基于LSTM-ElasticNet模型的短期用电负荷预测方法.pdfVIP

下载本文档

5
0
约1.86万字
约 12页
2023-07-05 发布于四川
举报
版权申诉

基于LSTM-ElasticNet模型的短期用电负荷预测方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本申请公开了一种基于LSTM‑ElasticNet深度学习模型的短期用电负荷预测方法，包括以下步骤：步骤S1：采集电网系统正常运行时用电地区的温度、日期因素和时间因素，以及用电负荷历史数据Xq，作为模型的输入样本集步骤S2：采集电网系统正常运行时用电地区的用电负荷，作为模型的输出样本集步骤S3：对历史数据库中的训练输入输出样本数据进行预处理；步骤S4：构建LSTM‑ElasticNet模型；步骤S5：进行当前时刻用电负荷的预测。本申请实现了对当前地区用电负荷更精确和快速的预测结果。该模型一定程度

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116388165 A (43)申请公布日 2023.07.04 (21)申请号 202310341056.2 (22)申请日 2023.04.03 (71)申请人云南大学