原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：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
基于长短时记忆网络的电力系统负荷预测方法研究电工电气(209No.)
基于长短时记忆网络的电力系统负荷预测方法研究
王鑫琪，李闯，焦晗，李焱飞
(南京工程学院电力工程学院，江苏南京211167)
摘要：准确的负荷预测对保持电网的稳定性和提高当地经济效益、节约成本有重大帮助。考虑到
负荷数据带有时序性，以及智能电网的发展所带来的数据量的增大，建立了长短时记忆网络(LSTM)模
型来对未来用电量进行短期负荷预测。针对Adam训练算法可能存在的收敛问题，对其进行了改进，并
通过MATLAB软件对LSTM网络进行建模，通过与BP神经网络进行对比，结果表明，LSTM模型具有更高
的精确度以及实用性。
关键词：短期负荷预测；BP神经网络；长短时记忆网络；Adam算法
中图分类号：TM715文献标识码：A文章编号：1007-3175(2019)11-0017-04
ResearchonPowerSystemLoadForecastingMethodBasedon
Long-TermandShort-TermMemoryNetwork
WANGXin-qi,LIChuang,JIAOHan,LIYan-fei
SchoolofElectricPowerEngineering,NanjingInstituteofTechnology,Nanjing26,China
（）
Abstract:Loadforecastingisanimportantpartofpowersystemdispatching.Accurateloadforecastingisofgreathelptomaintain
gridstabilityandimprovelocaleconomicbenefitsandcost.Consideringthesequentialnatureofloaddataandtheincreaseindatavolume
broughtaboutbythedevelopmentofsmartgrids,along-termandshort-termmemorynetwork(LSTM)modelwasestablishedtomakeshort-
termpredictionsoffutureelectricityconsumption.Onthisbasis,theconvergenceproblemofAdamtrainingalgorithmmaybeimproved.It
issimulatedbyMATLABsoftwareandcomparedwithBPneuralnetwork.TheresultsshowthattheLSTMmodelhashigheraccuracyand
practicability.
Keywords:short-termloadforecast;BPneuralnetwork;long-termandshort-termmemorynetwork;Adamalgorithm
0引言短时负荷预测模型通常有两种，一种是传统的
时间序列模型，主要研究负荷变化的规律性来拟合
电力系统负荷的预测结果在一定程度上反映了数据[3]；另一种就是现在常用的机器学习模型，包
文档评论（0）