LSTM的单变量短期家庭电力需求预测

• 作者: 严珂 叶敏超 王旭东 陆慧娟
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 短期家庭电力需求预测 单变量 长短期记忆循环神经网络 深度学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 计量与测试
• 页码范围: 142-148
• 页数: 7页
• 分类号: TP391
• 字数: 4019字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2018.02.005

摘要

针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆慧娟	中国计量大学信息工程学院	101	716	13.0	20.0
2	王旭东	中国计量大学信息工程学院	1	6	1.0	1.0
3	严珂	中国计量大学信息工程学院	17	72	5.0	8.0
4	叶敏超	中国计量大学信息工程学院	13	27	3.0	4.0