基于EMD-LSTM的短期负荷预测模型
为适应泛在电力物联网建设的需要,数据的深度感知成为当前亟需解决的问题.负荷预测作为电网企业的基础问题,对负荷进行精准预测成为建设泛在电力物联网的依托.随着现代电力设备的普及和深度学习算法的研究深入,电网对于负荷相关数据的获取和掌握更加方便,可借助深度学习算法进行更加准确的预测.提出采用经验模态分解算法对负荷数据进行分解,随后基于长短期记忆神经网络对分解后的各分量进行预测并加和,最后对提出的模型进行了实验验证.
电力系统 负荷预测 经验模态分解 长短期记忆神经网络
刘月灿 孙建刚 周逸 张晓亮 丁雪伟 李伟良
国家电网有限公司信息通信分公司,北京100761
国内会议
江苏无锡
中文
121-123
2019-09-07（万方平台首次上网日期，不代表论文的发表时间）