基于长短期记忆网络的售电量预测模型研究

• 作者: 夏通 方志强 王晓辉
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: 深度学习 循环神经网络 长短期记忆网络 售电量预测
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 电网技术
• 页码范围: 78-83
• 页数: 6页
• 分类号: TM744
• 字数: 4433字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0665.2018.03.014

摘要

售电量预测对优化供电结构以及了解经济走势具有重要意义,然而,传统售电量预测方法难以从售电量及其影响因素的数据中自动抽取到较好的数据特征.为此,文中提出一种基于长短期记忆网络的售电量预测模型,该模型通过分析售电量数据及其影响因素的相关性,提出一种行业聚类方法,该方法根据不同行业的数据特征对相似的行业进行聚类,并根据聚类结果训练长短期记忆网络模型.文中模型能够学习售电量数据以及相关影响因素的数据特征和内在关联关系.实验结果表明,文中所提出的预测模型比经典的预测模型具有更高的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓辉		5	16	2.0	4.0
2	夏通		7	16	2.0	4.0
3	方志强		1	10	1.0	1.0