结合GA和LSTM网络的电力数据分析方法

• 作者: 赵越
• 来源期刊: 电子设计工程
• 关键词: 电力数据分析 负荷预测 遗传算法 长短期记忆网络 平均绝对误差 均方根误差
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 通信与网络|Communication & Network
• 页码范围: 161-165
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.12.035

摘要

针对现有电力数据利用不全面、负荷预测精度不理想等问题,文中提出了一种结合遗传算法(GA)和长短期记忆网络(LSTM)的电力数据分析方法.采用GA算法优化LSTM网络、选择最佳窗口大小及神经元数目等结构因素.利用优化后的LSTM网络进行电力数据分析,实现负荷可靠预测.基于Python仿真平台,以平均绝对误差(MAE)和均方根误差(RMSE)为评价指标对所提方法进行实验论证.结果表明,所提方法能够实现3类用户的分类并准确预测电力负荷,其MAE与RMSE值分别为88.32和120.01,均优于其他对比方法.