Print

基于LSTM网络的住宅负荷短期预测

论文摘要

在智能电网中,若未考虑海量的住宅负荷和气象数据的相关性,就会导致输入信息冗余,为此提出一种长短期记忆(long short-term memory,LSTM)网络的住宅负荷短期预测方法。该方法首先利用LSTM网络对负荷数据、日期类型、气象数据进行动态建模,然后采用主成分分析对气象等数据进行特征选择以过滤掉数据间的冗余信息,最后使用自适应矩估计(adaptive moment estimation, ADAM)算法优化后的LSTM网络参数提高模型的泛化能力。采用美国马萨诸塞州某小区公寓实测数据进行短期负荷预测,结果验证了所提方法的有效性和实用性。

论文目录

  • 1 长短期记忆网络
  •   1.1 长短期记忆网络结构
  •   1.2 LSTM网络优化算法
  • 2 气象特征选择
  •   2.1 主成分分析原理
  •   2.2 气象数据提取
  • 3 住宅负荷预测模型设计
  •   3.1 建模流程
  •   3.2 评价指标
  • 4 算例分析
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 谢明磊

    关键词: 长短期记忆网络,主成分分析,算法,负荷预测,信息冗余

    来源: 广东电力 2019年06期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 电力工业,自动化技术

    单位: 广东电网有限责任公司梅州供电局

    分类号: TM715;TM76

    页码: 108-114

    总页数: 7

    文件大小: 917K

    下载量: 402

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/4b8cf8cb1c311e6d6281ba92.html