基于深度长短期记忆神经网络的短期负荷预测

• 作者: 仇钧 周苏洋 方云辉 王激华
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 智能电网 数据预测 数据驱动 深度长短期记忆神经网络 深度学习
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 电网运行与控制
• 页码范围: 62-68
• 页数: 7页
• 分类号: TM715.1|TP183
• 字数: 4560字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.008.008

摘要

传统的短期电力负荷预测模型难以处理大数据量,并且具有强随机性,预测精度难以满足智能电网发展的要求.为此,提出一种基于深度长短期记忆(deep long short-term memory,DLSTM)神经网络的数据驱动型短期负荷预测方法.使用该方法对某地区电力负荷进行预测,并将预测结果与传统方法的预测结果进行对比分析.对比结果表明,所提出的方法充分考虑了电力负荷的时序性和非线性,能深入挖掘电力用户侧数据特征,对电力负荷的短期预测性能优于传统方法,满足智能电网对短期电力负荷预测的高精度要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方云辉		5	19	3.0	4.0
2	周苏洋		3	5	2.0	2.0
3	仇钧		2	0	0.0	0.0
4	王激华		1	0	0.0	0.0