【技术实现步骤摘要】
本专利技术涉及电力负荷预测，具体地涉及一种基于lstm算法的短期电力负荷预测方法及系统。
技术介绍
1、短期电力负荷预测是构建数字智能化新型电力系统的重要推动力，精准的电力负荷预测能为电网协调调度、地区生产规划和节能减排等提供重要参考。
2、随着分布式可再生能源在用户侧装机容量的不断增长以及电力市场发展的不断深入，地区性负荷需求呈现出更强的随机性特征，对地区负荷预测及智能化管理带来了新的挑战。
3、目前，深度学习在电力负荷领域预测领域逐渐应用，如长短期记忆神经网络(lstm)的应用，但是该种方法存在主观性决定关键参数，容易陷入局部最优，导致能力不佳的问题，进而使得电力负荷预测精度低。
4、本申请专利技术人在实现本专利技术的过程中发现，现有技术的上述方案具有电力负荷预测低的缺陷。
技术实现思路
1、本专利技术实施例的目的是提供一种基于lstm算法的短期电力负荷预测方法及系统，该基于lstm算法的短期电力负荷预测方法及系统具有预测精度高的功能。
...
【技术保护点】
1.一种基于LSTM算法的短期电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的短期电力负荷预测方法，其特征在于，将所述训练集输入至所述电力负荷短期预测模型中，并采用优化算法优化所述电力负荷短期预测模型的参数包括：
3.根据权利要求2所述的短期电力负荷预测方法，其特征在于，将所述训练集输入至所述电力负荷短期预测模型中，并采用优化算法优化所述电力负荷短期预测模型的参数还包括：
4.根据权利要求2所述的短期电力负荷预测方法，其特征在于，对所述电力负荷短期预测模型的参数进行迭代优化包括：
5.根据权利要求4所述的短...
【技术特征摘要】
1.一种基于lstm算法的短期电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的短期电力负荷预测方法，其特征在于，将所述训练集输入至所述电力负荷短期预测模型中，并采用优化算法优化所述电力负荷短期预测模型的参数包括：
3.根据权利要求2所述的短期电力负荷预测方法，其特征在于，将所述训练集输入至所述电力负荷短期预测模型中，并采用优化算法优化所述电力负荷短期预测模型的参数还包括：
4.根据权利要求2所述的短期电力负荷预测方法，其特征在于，对所述电力负荷短期预测模型的参数进行迭代优化包括：
5.根据权利要求4所述的短期电力负荷预测方法，其特征在于，对所述电力负荷短期预测模型的参数进行迭代...
【专利技术属性】
技术研发人员：薛强，李宇，李翔，杨建旭，周红，陈康伟，张辉，江宜瑞，夏伦勇，王松林，张瑞，任帅，
申请(专利权)人：安徽南瑞继远电网技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。