稿件详情
当前位置:首页 >稿件详情
发布日期:2022-03-23 浏览次数:4927 下载次数:2606 DOI字段:10.19457/j.1001-2095.dqcd22913
摘要:结合自动编码器的特征提取能力与长短期记忆(LSTM)良好的时序预测优势,提出一种基于LSTM自编码的短期负荷预测模型。首先,基于深度模型学习能力优势,构建自动编码器的工业园区负荷数据特征提取模型。其次,给出基于格布拉斯准则的异常值判断方法和拉格朗日样条插值的缺失值补全法。最后,利用Tensorflow架构调用Keras库搭建实验平台,对轻工业负荷、重工业负荷和光伏发电工业用户负荷分别展开预测实验,实验结果验证LSTM自编码模型预测短期工业负荷的有效性。
关键词:负荷预测;工业负荷;深度学习;长短期记忆;自动编码器
中图分类号:TM712 文献标识码:A
天津电气科学研究院有限公司 版权所有 津ICP备07001287号 Powered by Handynasty
网上违法和不良信息举报电话(河东区):022-84376127 | 举报邮箱:wangzheng@tried.com.cn