一种基于LSTM神经网络的电力负荷预测方法 |
| |
作者单位: | ;1.吉林大学仪器科学与电气工程学院 |
| |
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。
|
关 键 词: | 神经网络 电力负荷 长短时记忆 |
A Power Load Data Prediction Method Based on LSTM Neural Network Model |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|