基于长短时记忆网络的电力系统负荷预测方法研究

• 作者: 李焱飞 李闯 焦晗 王鑫琪
• 来源期刊: 电工电气
• 学科: 工学
• 关键词: 短期负荷预测 BP神经网络 长短时记忆网络 Adam算法
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 设计与研究
• 页码范围: 17-20
• 页数: 4页
• 分类号: TM715
• 字数: 3037字
• 语种: 中文

摘要

准确的负荷预测对保持电网的稳定性和提高当地经济效益、节约成本有重大帮助.考虑到负荷数据带有时序性,以及智能电网的发展所带来的数据量的增大,建立了长短时记忆网络(LSTM)模型来对未来用电量进行短期负荷预测.针对Adam训练算法可能存在的收敛问题,对其进行了改进,并通过MATLAB软件对LSTM网络进行建模,通过与BP神经网络进行对比,结果表明,LSTM模型具有更高的精确度以及实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦晗	南京工程学院电力工程学院	3	6	2.0	2.0
2	李焱飞	南京工程学院电力工程学院	2	5	2.0	2.0
3	王鑫琪	南京工程学院电力工程学院	6	7	2.0	2.0
4	李闯	南京工程学院电力工程学院	5	7	2.0	2.0