基于改进LSTM算法的短期电力负荷预测方法设计

作     者：丁宁 段晟 范黎 黎琬庭 

作者机构：国网湖北综合能源服务有限公司 

出 版 物：《电气技术与经济》 (Electrical Equipment and Economy)

年 卷 期：2024年第12期

页      码：318-321页

摘      要：在电力系统运行和规划中,准确的短期电力负荷预测对于确保电网的稳定运行和经济效率至关重要。长短期记忆网络(LSTM)是一种特殊的循环神经网络(RNN),专门设计来处理序列数据的长期依赖问题。LSTM的独特之处在于其内部结构,包括三个门(输入门、遗忘门和输出门)和一个细胞状态,这使得它能够有效地学习和记忆长期的信息。由于电力负荷数据通常具有时间序列特性和非线性特点,LSTM因其出色的序列数据处理能力而成为进行短期电力负荷预测的理想选择。

主 题 词：改进LSTM算法 短期电力负荷 预测方法 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.3969/j.issn.1673-8845.2024.12.097

馆 藏 号：203156513...