基于TensorFlow平台长短时记忆网络的短期负荷预测

• 作者: 潘迪涵
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: TensorFlow LSTM 短期负荷预测 机器学习
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 应用研究
• 页码范围: 98-100
• 页数: 3页
• 分类号: TM743
• 字数: 1696字
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2019.09.53

摘要

随着电力系统的发展,对电力系统负荷预测提出了更高的要求.针对传统负荷预测方法在非线性拟合方面的不足,本文引入了时下流行的开源机器学习平台TensorFlow对长短时记忆网络(Long Short Term Memory Networks,LSTM)进行建模,分析了不同网络结构对实验结果的影响.结果表明,LSTM网络对非线性问题有着较强的拟合能力,在负荷预测方面有着较高的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘迪涵	南京工程学院电力工程学院	1	1	1.0	1.0