论文摘要
准确的负荷预测对保持电网的稳定性和提高当地经济效益、节约成本有重大帮助。考虑到负荷数据带有时序性,以及智能电网的发展所带来的数据量的增大,建立了长短时记忆网络(LSTM)模型来对未来用电量进行短期负荷预测。针对Adam训练算法可能存在的收敛问题,对其进行了改进,并通过MATLAB软件对LSTM网络进行建模,通过与BP神经网络进行对比,结果表明,LSTM模型具有更高的精确度以及实用性。
论文目录
文章来源
类型: 期刊论文
作者: 王鑫琪,李闯,焦晗,李焱飞
关键词: 短期负荷预测,神经网络,长短时记忆网络,算法
来源: 电工电气 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 南京工程学院电力工程学院
基金: 南京工程学院大学生科技创新基金2018年科技创新训练项目(TB201816025)
分类号: TM715
页码: 17-20
总页数: 4
文件大小: 758K
下载量: 285