摘要：
负荷预测是电力系统规划的重要组成部分,直接影响着电网运行的安全性及可靠性,实时高精度的负荷预测结果更是提高整个电网运行效率的关键。为了解决现存算法预测精度低的问题,在深入分析了温度与用电量强相关性的基础上,构建了长短时记忆深度学习网络(LSTM),执行历史用电数据特点的深度挖掘及用电量与温度相关性的深度自学习,实现了电力负荷预测。与传统负荷预测技术相比,预测精度显著提高。基于谷歌Tensorflow平台进一步研究了不同激活函数组合对于所提算法预测性能的影响。仿真结果表明,使用ELU激活函数比使用其他...
会员登录
