基于长短期记忆神经网络的短期负荷预测方法

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：为了能够挖掘出海量数据中蕴含的有效信息,提高短期负荷预测精度,本文提出了具有深度学习能力的长短期记忆神经网络(Long Short-Term Memory,LSTM)模型进行短期负荷预测,深度学习顺应了大数据的趋势,对海量数据学习、泛化能力强.利用主成分分析方法对样本进行选择,进而建立LSTM预测模型.仿真结果表明,采用LSTM预测模型相对于BP神经网络模型提高了预测精度.

作者：

刘桐彤

展开 >

作者单位：

东北电力大学电气工程学院,吉林吉林132012

关键词：

短期负荷预测长短期记忆神经网络深度学习

出版年：

2016

科学技术创新

黑龙江省科普事业中心

科学技术创新

影响因子：0.842

ISSN：1673-1328

年,卷(期)：2016.(31)

被引量3
参考文献量2