基于LSTM的短期电力负荷预测算法研究

• 作者: 刘海峰 王艳如
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 短期电力负荷 深度学习网络 LSTM网络 强化学习
• 年，卷（期）: 2021,（23）
• 所属期刊栏目: 电子工程|Electronic Engineering
• 页码范围: 40-42,47
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.23.011

摘要

基于组合预测方法的研究思路,在LSTM神经网络的基础上,引入强化学习思想,采用简化的Inception网络结构,构造成隐藏状态矩阵,实现LSTM网络的改进与优化,并据此构建短期电力负荷预测模型.实验结果表明,与DBN、RBF等网络模型相比,基于强化学习的改进LSTM网络模型可更好地捕捉依赖信息,具有更高的短期负荷预测准确性.