關鍵詞：短期負荷預測 bp神經網絡 長短時記憶網絡 adam算法 

摘要：準確的負荷預測對保持電網的穩定性和提高當地經濟效益、節約成本有重大幫助。考慮到負荷數據帶有時序性,以及智能電網的發展所帶來的數據量的增大,建立了長短時記憶網絡(LSTM)模型來對未來用電量進行短期負荷預測。針對Adam訓練算法可能存在的收斂問題,對其進行了改進,并通過MATLAB軟件對LSTM網絡進行建模,通過與BP神經網絡進行對比,結果表明,LSTM模型具有更高的精確度以及實用性。

電工電氣雜志要求:

{1}本刊實行雙向匿名審稿制度。審稿周期一般為3個月。3個月內未收到刊用意見，作者可自行處理來稿。

{2}本刊對來稿有權作文字及少量內容修改，若作者不同意，請在來稿時聲明，未加特別注明者即屬默認。

{3}“一”后加“、”號，“l”后加“．”，（一）、(l)不加任何標點，‘第一”、‘首先”后面均要加“，”號。

{4}為避免重復,再次征引同一文獻時可略去出版社與出版年月,只注出著者、書名、卷數、頁碼。

{5}請作者寫明聯系方式，以方便編輯部與作者聯系。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社