科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，随着计算机技术的蓬勃发展，深度学习方法在电力负荷预测中的应用对提高预测精度具有重大意义。本文首先阐述了电力负荷预测的研究背景以及深度学习方法的研究现状，同时给出了电力负荷预测的影响因素和预测原理，并介绍了部分深度学习中的相关基础知识；然后，针对某省147家企业7 200个小时的负荷数据，分析了数据中出现的空值、零值等异常情况，并采用插值法、横纵修正法等方法对数据进行预处理；最后，介绍了深度学习中的多层感知器神经网络和长短期记忆神经网络基本原理，并基于两种网络，结合预处理后的数据，分别构建了电力负荷预测模型，验证了模型的有效性，长短期记忆模型的的预测误差比多层感知器模型降低了1.84%。本文所研究预测算法的误差达到了市场实际应用的要求，已应用于相应市场的电力负荷预测。
- 单位
