10.15913/j.cnki.kjycx.2018.12.018
基于LSTM模型的短期负荷预测
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.
短期负荷预测、LSTM神经网络、工业用户、深度学习
TM71(输配电工程、电力网及电力系统)
2018-07-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
18-21