摘要：作为电力系统设计规划、运行调度的重要一环，电力负荷预测受到强随机性、低精度的困扰，同时先进预测算法的落地实施关联数据管理系统，而传统数据管理系统底层数据资源传输与治理、预测信息应用十分不便。为了克服以上问题，基于云平台，在实现数据高效采集与治理的基础上，为电负荷预测提供天气预报以及历史电负荷信息；在日前负荷预测过程中，针对单一长短期记忆（LSTM）神经网络对时序数据挖掘能力不充分的情况，利用小波变换（WT）细化时序负荷高频分量，同时借助下一日温度、相对湿度预报信息，提升日前电负荷预测精度。结果表明，所提WT-LSTM方法表现了良好的预测效果，其两日均方根误差分别为185.56和179.56，比传统的LSTM网络预测精度分别提高了61.48%和12.51%。

      关键词：电力负荷预测；云平台；长短期记忆神经网络；小波变换

      中图分类号：TM715     文献标识码：A