结合GA和LSTM网络的电力数据分析方法

作者：赵越

来源：电子设计工程, 2021, 29(12): 161-165.

DOI：10.14022/j.issn1674-6236.2021.12.035

• 电力数据分析
• 负荷预测
• 遗传算法
• 长短期记忆网络
• 平均绝对误差
• 均方根误差

针对现有电力数据利用不全面、负荷预测精度不理想等问题,文中提出了一种结合遗传算法(GA)和长短期记忆网络(LSTM)的电力数据分析方法。采用GA算法优化LSTM网络、选择最佳窗口大小及神经元数目等结构因素。利用优化后的LSTM网络进行电力数据分析,实现负荷可靠预测。基于Python仿真平台,以平均绝对误差(MAE)和均方根误差(RMSE)为评价指标对所提方法进行实验论证。结果表明,所提方法能够实现3类用户的分类并准确预测电力负荷,其MAE与RMSE值分别为88.32和120.01,均优于其他对比方法。

• 单位
  中国电力科学研究院有限公司