摘要
本申请的一种基于Bi‑LSTM的短期电力负荷预测方法,通过负荷‑气象特征训练集和评价指标对Bi‑LSTM模型进行超参数优化,根据优化后的Bi‑LSTM模型超参数得到优化Bi‑LSTM模型,根据优化Bi‑LSTM模型预测负荷数据;本发明能够能充分挖掘电力负荷数据中的时序特征,使得短期电力负荷预测的精度能够得到有效的提升。
技术关键词
LSTM模型
负荷特征
短期电力负荷预测
训练集
皮尔逊相关系数
指标
超参数
批量
历史气象数据
历史负荷数据
存储设备
归一化方法
处理器
可读存储介质
训练特征
系统为您推荐了相关专利信息
多点地质统计学
数据
测井曲线
多尺度特征融合网络
深度学习特征提取
不确定性建模方法
深度学习模型
海量异构数据
采样点
数据标准化方法
无线电调制信号
混合型
识别方法
神经网络模型
频域特征
小区
多层感知机
交通
客流量预测方法
反距离权重插值法