基于LSTM网络的短期负荷预测 |
| |
引用本文: | 陈洪波,王璨,徐斌,丁津津,张倩,马愿.基于LSTM网络的短期负荷预测[J].电工技术,2019(9):27-29. |
| |
作者姓名: | 陈洪波 王璨 徐斌 丁津津 张倩 马愿 |
| |
作者单位: | 国网安徽省电力有限公司电力科学研究院,安徽 合肥,230022;国网安徽省电力有限公司,安徽 合肥,230601;安徽大学电气工程与自动化学院,安徽 合肥,230601 |
| |
基金项目: | 国家自然科学基金;博士科研启动基金 |
| |
摘 要: | 提出一种基于深度学习的LSTM的短期电力负荷预测方法,以减小负载预测模型所需的数据量的维度大小。基于某地电力公司的历史负荷数据,对比LSTM神经网络预测结果与BP神经网络算法预测结果,验证了所提算法的预测精度更高。
|
关 键 词: | 负荷预测 深度学习 LSTM神经网络 BP神经网络 |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《电工技术》浏览原始摘要信息 |
|
点击此处可从《电工技术》下载全文 |
|