文献类型：期刊文章

作　　者：吴定安[1] 钟建伟[1] 王新磊[1] 向家国[2] 曾凡伟[2] 胡凯[2] 陈晨[2]

机构地区：[1]湖北民族大学信息工程学院,湖北恩施445000 [2]国网湖北省电力有限公司恩施供电公司,湖北恩施445000

出　　处：《物联网技术》

基　　金：国家自然科学基金(61963014);恩施州科技项目(D20180017)。

年　　份：2021

卷　　号：11

期　　号：8

起止页码：47-51

语　　种：中文

收录情况：普通刊

摘　　要：针对传统神经网络在电力日负荷预测中预测精度较低的问题,文中提出了一种利用主成分分析法和长短期记忆网络相结合的神经网络模型(PCA-LSTM)。该模型对气象因素数据进行主成分分析,将有效主成分和前一电力日负荷数据输入LSTM网络模型中进行训练。通过与单特征LSTM网络模型、多特征LSTM网络模型、人工神经网络模型的对比,可得出将气象因素作为输入可以提高模型预测精确度且对气象因素进行主成分LSTM网络预测的效果不仅优于传统人工神经网络,还优于其他LSTM网络模型的结论。

关 键 词：负荷预测 主成分分析 数据处理  长短期记忆网络  神经网络 气象因素

分 类 号：TP39] TM732[计算机类]