基于深度学习LSTM网络的短期电力负荷预测方法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

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

引用
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

相关文献
评论
暂无封面信息
查看本期封面目录

电子技术

1000-0755

31-1323/TN

47

2018,47(1)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn