基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对电网用电量准确预测的问题,本文利用电能负荷历史数据的时间序列特性,提出了一种基于电能负荷历史数据的递归神经网络预测方法,首先分析了短期负荷预测的关键影响因素,以自回归方法为例介绍了传统负荷预测模型框架.接下来以BP神经网络和递归神经网络为例,阐述了神经网络模型原理以及与负荷预测任务的契合点.最后,(1)以卢布尔雅那城市的真实负荷数据为例,基于长短期记忆单元,采用前一周的负荷数据和气象数据,对当前时刻的用电负荷进行预测;(2)采用前一周的负荷数据和气象数据对未来一周每小时的用电负荷进行预测;(3)在(2)的基础上引入未来一周的气象预测数据,对用电负荷进行预测.实验结果表明,在训练数据充沛的情况下,长短期记忆神经网络能够基于历史数据和气象数据对电能负荷进行较为可靠地预测.
推荐文章
基于LSTM时间递归神经网络的短期电力负荷预测
短期电力负荷预测
LSTM
时间递归
神经网络
基于TensorFlow的LSTM循环神经网络短期电力负荷预测
Tensor Flow
LSTM
深度学习
短期电力负荷预测
基于PSO?BP神经网络的短期负荷预测算法
短期负荷预测
BP神经网络
粒子群算法
零相滤波器
基于神经网络自适应集成的短期负荷预测
短期负荷预测
神经网络集成
径向基神经网络
自适应集成
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LSTM神经网络的短期电能负荷预测
来源期刊 电力大数据 学科
关键词 负荷预测 时间序列 递归神经网络 长短期记忆 预测模型
年,卷(期) 2021,(4) 所属期刊栏目 大数据专题|Big Data Special Reports
研究方向 页码范围 8-15
页数 8页 分类号 TM715
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (320)
共引文献  (121)
参考文献  (26)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(7)
  • 参考文献(0)
  • 二级参考文献(7)
2013(15)
  • 参考文献(0)
  • 二级参考文献(15)
2014(10)
  • 参考文献(0)
  • 二级参考文献(10)
2015(30)
  • 参考文献(0)
  • 二级参考文献(30)
2016(52)
  • 参考文献(0)
  • 二级参考文献(52)
2017(55)
  • 参考文献(2)
  • 二级参考文献(53)
2018(66)
  • 参考文献(5)
  • 二级参考文献(61)
2019(50)
  • 参考文献(9)
  • 二级参考文献(41)
2020(21)
  • 参考文献(7)
  • 二级参考文献(14)
2021(3)
  • 参考文献(3)
  • 二级参考文献(0)
2021(3)
  • 参考文献(3)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
负荷预测
时间序列
递归神经网络
长短期记忆
预测模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力大数据
月刊
2096-4633
52-1170/TK
16开
贵州省贵阳市解放路251号
1977
chi
出版文献量(篇)
4266
总下载数(次)
8
论文1v1指导