基于LSTM和深度学习的电力工程数据预测与分析算法设计

作     者：何晓阳 苏轶 王冲 霍春燕 HE Xiaoyang;SU Yi;WANG Chong;HUO Chunyan

作者机构：国网河北省电力有限公司河北石家庄050021 国网衡水供电公司河北衡水053000 

基　　金：2020年国网河北电力互联网课题(B704HS200100) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2023年第31卷第7期

页      码：68-72页

摘      要：针对智能电力系统海量数据分析和计算中存在的算法收敛性不足、准确度较低、动态数据管理和应用存在困难的问题,提出了一种基于自动步长改进的LSTM深度学习算法。其能够对海量数据进行分析和预测,实现了从数据中挖掘有用信息并对数据进行合理、准确分析,从而预测未来电力工程发展的趋势。通过物联网与App采集海量数据,收集、存储、训练历史数据集。基于自动步长改进的LSTM对电力工程数据进行预测与分析,同时对几个时间维度进行处理,使其具备自动选择学习时间步长的能力。算例分析结果表明,与常规LSTM、SVM以及ARIMA算法相比,文中所提的改进LSTM深度学习算法能够有效提升数据分析预测的准确性,且具有良好的稳定性。

主 题 词：电力物联网 改进LSTM 电力工程数据 深度学习 

学科分类：11[军事学] 0810[工学-土木类] 1105[1105] 08[工学] 0835[0835] 081002[081002] 110503[110503] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.14022/j.issn1674-6236.2023.07.014

馆 藏 号：203120987...