基于LSTM的短期电力负荷预测算法研究

摘要：

基于组合预测方法的研究思路,在LSTM神经网络的基础上,引入强化学习思想,采用简化的Inception网络结构,构造成隐藏状态矩阵,实现LSTM网络的改进与优化,并据此构建短期电力负荷预测模型.实验结果表明,与DBN、RBF等网络模型相比,基于强化学习的改进LSTM网络模型可更好地捕捉依赖信息,具有更高的短期负荷预测准确性.

关键词：短期电力负荷、深度学习网络、LSTM网络、强化学习

所属期刊栏目：5

分类号：TP18(自动化基础理论)

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：40-42,47