针对微电网短期负荷预测精度不够的问题,论文提出了一种基于双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)深度学习的负荷预测方法。将影响家庭和商业负荷分布形成的参数为输入变量,以微电网的家庭和商业总负荷分布为...针对微电网短期负荷预测精度不够的问题,论文提出了一种基于双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)深度学习的负荷预测方法。将影响家庭和商业负荷分布形成的参数为输入变量,以微电网的家庭和商业总负荷分布为目标,利用输入变量对Bi-STM网络进行训练,通过识别微电网的消费模式,对微电网负荷进行时预测。利用相关系数(R)、均方误差(MSE)和均方根误差(RMSE)等性能评价指标对预测结果进行分析。结果表明,Bi-LSTM方法具有较高的相关系数。展开更多
文摘针对微电网短期负荷预测精度不够的问题,论文提出了一种基于双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)深度学习的负荷预测方法。将影响家庭和商业负荷分布形成的参数为输入变量,以微电网的家庭和商业总负荷分布为目标,利用输入变量对Bi-STM网络进行训练,通过识别微电网的消费模式,对微电网负荷进行时预测。利用相关系数(R)、均方误差(MSE)和均方根误差(RMSE)等性能评价指标对预测结果进行分析。结果表明,Bi-LSTM方法具有较高的相关系数。
