一种基于LSTM神经网络的电力负荷预测方法

摘要

设计了一种基于长短期记忆(LSTM)神经网络的电力负荷预测模型,在TensorFlow框架下使用Python语言编程实现;使用西班牙2018年一整年的电力负荷数据对模型进行训练,得到的模型可准确预测电力负荷数据的日变化、周变化规律,模型损失值可达0.2,验证了模型的有效性;与RNN模型对比证明了LSTM模型的长期依赖学习能力更为优越.提出的模型是一种有效的电力负荷数据预测方法,可为电力系统的负荷预测提供依据.