摘要:随着电力系统的发展,对电力系统负荷预测提出了更高的要求。针对传统负荷预测方法在非线性拟合方面的不足,本文引入了时下流行的开源机器学习平台TensorFlow对长短时记忆网络(Long Short Term Memory Networks,LSTM)进行建模,分析了不同网络结构对实验结果的影响。结果表明,LSTM网络对非线性问题有着较强的拟合能力,在负荷预测方面有着较高的准确度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
相关文章
影响因子:0.45
期刊级别:省级期刊
发行周期:月刊
期刊在线咨询,1-3天快速下单!
查看更多>
超1000杂志,价格优惠,正版保障!
一站式期刊推荐服务,客服一对一跟踪服务!