一种基于LSTM神经网络的短期用电负荷预测方法

随着智能电网时代的发展,电力用户侧数据量呈指数增长,传统的负荷预测方法难以应付更大的数据量和更强的随机性。针对该问题,文章提出一种基于长短期记忆(Long Short-Term Memory,LSTM)神经网络的数据驱动的负荷预测方法,通过LSTM网络对时间序列建模能力强的特点,有效地减小负荷预测模型需要数据量的维度大小,真正挖掘数据中存在的价值。文中研究了负荷数据规律分析、输入训练样本选取等实际问题,并通过实例与其他传统方法对比证明其具有更高的精确度和适用性。