典型文献
基于LSTM的多变量电力负荷短期预测
文献摘要：
电力系统负荷预测是电力系统规划与调度的一项重要内容.若电力负荷预测准确,短期内可为电网内部机组启停、调度、运营提供参考.文章基于华南某城市的用电负荷相关数据,使用LSTM深度学习模型进行多变量预测,并在实证分析中对线性回归、决策树和xgboost三种机器学习算法进行比较,验证了该模型的准确性.
文献关键词：
RNN;LSTM;深度学习;电力负荷
中图分类号：
作者姓名：
陈显涛
作者机构：
华南师范大学,广东广州 510631
文献出处：
引用格式：
[1]陈显涛-.基于LSTM的多变量电力负荷短期预测)[J].现代信息科技,2022(24):155-158
A类：
xgboost
B类：
短期预测,系统负荷,电力系统规划,电力负荷预测,网内,机组启停,华南,某城,用电负荷,深度学习模型,多变量预测,决策树,机器学习算法,RNN
AB值：
0.321994
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。
