基于LSTM模型的短期负荷预测

摘要：

我国工业用电在全社会用电中所占的比例比较大,工业用户准确的负荷预测可以降低用电成本,对电力系统规划和优化运行有着重要的作用.随着智能电网时代的发展,电力用户侧数据量剧增,传统的负荷预测方法难以应付更大的数据量和更强的随机性.针对此问题,提出了基于LSTM网络建立模型,利用LSTM网络善于处理序列型数据的特点,在整合历史时刻点信息的基础上,对未来的负荷进行预测.结果表明,LSTM模型相较于其他机器学习算法具有较高的准确性,可以有效预测负荷的变化,有较强的实践价值.

关键词：短期负荷预测、LSTM神经网络、工业用户、深度学习

分类号：TM71(输配电工程、电力网及电力系统)

在线出版日期：2018-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：18-21