基于改進(jìn)深度神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)

打開(kāi)文本圖片集

摘  要：針對(duì)現(xiàn)有電力負(fù)荷預(yù)測(cè)方法精度比較低的問(wèn)題，該文提出一種改進(jìn)深度神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)模型。首先通過(guò)長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（Long Short-Term Memory， LSTM）對(duì)不同類(lèi)型的日歷史用電量數(shù)據(jù)進(jìn)行時(shí)間序列預(yù)測(cè)，然后通過(guò)前饋神經(jīng)網(wǎng)絡(luò)（Forward Feedback Neural Network， FFNN）以及一個(gè)熱編碼形狀表示的附加信息來(lái)提高預(yù)測(cè)性能。（剩余6506字）