ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】本文针对电力负荷预测的重要性和挑战，提出了一种基于大数据分析和深度学习技术的电力负荷预测方法。 首先，本文研究了电力负荷预测模型的构建。 其次，引入基于 Ｌ２ 正则化的长短期记忆网络（ ｌｏｎｇ ｓｈｏｒｔ⁃ｔｅｒｍ ｍｅｍｏｒｙ，ＬＳＴＭ）模型，以提高负荷预测的准确性和稳定性。 最后，利用电力负荷数据集进行训练和测试，对比分析了传统ＬＳＴＭ方法和本文提出的正则化ＬＳＴＭ方法在电力负荷预测任务中的性能差异。 实验结果表明，本文提出的方法在预测精度和稳定性上均优于传统方法。
