一种基于LSTM神经网络的电力负荷预测方法

• 作者: 刘博 李钰 王永志
• 来源期刊: 实验室研究与探索
• 学科: 工学
• 关键词: 神经网络 电力负荷 长短时记忆
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 实验技术
• 页码范围: 41-45
• 页数: 5页
• 分类号: TM714
• 字数: 5399字
• 语种: 中文

摘要

设计了一种基于长短期记忆(LSTM)神经网络的电力负荷预测模型,在TensorFlow框架下使用Python语言编程实现;使用西班牙2018年一整年的电力负荷数据对模型进行训练,得到的模型可准确预测电力负荷数据的日变化、周变化规律,模型损失值可达0.2,验证了模型的有效性;与RNN模型对比证明了LSTM模型的长期依赖学习能力更为优越.提出的模型是一种有效的电力负荷数据预测方法,可为电力系统的负荷预测提供依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘博	吉林大学仪器科学与电气工程学院	24	157	6.0	12.0
2	王永志	吉林大学仪器科学与电气工程学院	42	143	5.0	11.0
3	李钰	吉林大学仪器科学与电气工程学院	4	3	1.0	1.0