典型文献
基于改进长短时记忆神经网络的钢铁企业电力负荷预测方法
文献摘要：
0 前言
钢铁工业是世界上许多重要工业的基础,如汽车工业、航空航天工业、造船和制造业.钢铁行业是典型的高耗能企业,生产过程中需要消耗大量的资源和能源.在钢铁企业中,电能是生产的主要能源之一,电能耗费是生产成本的重要组成部分.钢铁企业所在电网出于安全方面的考虑,需要提前知晓大型企业的用电量信息,以便进行电能管理,提高电网运行的安全稳定性.
文献关键词：
负荷预测;深度学习;长短时记忆神经网络;序列对序列;钢铁企业
中图分类号：
作者姓名：
何心毅
作者机构：
上海宝信软件股份有限公司能环事业部
文献出处：
引用格式：
[1]何心毅-.基于改进长短时记忆神经网络的钢铁企业电力负荷预测方法)[J].中国冶金文摘,2022(03):48-51
A类：
序列对序列
B类：
长短时记忆神经网络,钢铁企业,电力负荷预测,负荷预测方法,前言,钢铁工业,汽车工业,航空航天,航天工业,造船,钢铁行业,高耗能企业,要能,耗费,前知,知晓,大型企业,用电量,电网运行,安全稳定性
AB值：
0.318099
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
