基于深度学习的电力负荷短期预测 |
| |
引用本文: | 尚筱雅,林文浩,邱泽锦,李瑞.基于深度学习的电力负荷短期预测[J].广州航海高等专科学校学报,2023(4):43-47. |
| |
作者姓名: | 尚筱雅 林文浩 邱泽锦 李瑞 |
| |
作者单位: | 广州航海学院船舶与海洋工程学院 |
| |
基金项目: | 广州市科技计划项目(202102020663);;国家自然科学基金(62006052); |
| |
摘 要: | 为做好电网供需平衡,进一步改善电网的社会效益和经济效益,根据负荷数据的时序性特征,利用卷积神经网络的特征提取能力和长短期记忆神经网络捕捉时间序列关系的能力,采用卷积-长短期记忆混合神经网络进行电力负荷短期预测.首先根据历史数据对该模型进行训练,然后使用已训练好的模型进行预测,最后将其预测结果与长短期记忆神经网络预测结果进行比对.两组不同采样间隔的负荷预测仿真结果表明,卷积-长短期记忆混合神经网络相对于长短期记忆神经网络,可以更好地从负荷数据中提取出时序性特征,预测误差较小,精度较高,能够在电力短期负荷预测问题中提供可靠的预测结果.
|
关 键 词: | 短期负荷预测 深度学习 卷积神经网络 长短期记忆神经网络 |
|
|