10.3969/j.issn.1000-0755.2018.01.011
基于深度学习LSTM网络的短期电力负荷预测方法
随着电力系统的建立与发展,负荷预测将发挥越来越重要的作用.电力系统负荷预测的结果对电力系统的调度运行和生产有很大影响,准确的负荷预测有助于提高电力系统的安全稳定性.但在进行短期电力负荷预测时,传统模型无法同时兼顾负荷数据的时序性和非线性的特点.为此文章提出一种基于长短期记忆神经网络(Long Short Term Memory,LSTM)的电力负荷预测方法,并使用这种方法对某地电力负荷值进行预测,将预测结果与传统模型对比,最终证明LSTM模型的误差更低,预测效果更好.
短期电力负荷预测、长短期记忆神经网络、传统模型
47
2018-03-30(万方平台首次上网日期,不代表论文的发表时间)
共3页
39-41