典型文献
基于深度学习方法的电力负荷预测系统
文献摘要：
2020年以来国家电力形势十分紧张,随着国家"碳达峰""碳中和"目标的提出,绿色低碳环保发展经济体系的逐步建立,若能准确地预测出未来的电力负荷情况,并据此进行电力调度与调控,便能够达到节能减排的目的.目前,基于统计方法和人工智能方法进行电力负荷预测还存在着诸多问题.该文基于深度学习-长短期神经网络(Long Short-Term Memory,LSTM)建立电力负荷预测模型,提高电力负荷预测的准确性和稳定性.该文可以为电场提供未来一段时间内负荷的需求情况,对地区电能管理部门制定发展规划、有效管理负荷具有重要的应用价值,对响应国家节能减排政策意义重大.
文献关键词：
电力负荷预测;双碳政策;节能减排;长短期神经网络;深度学习
中图分类号：
作者姓名：
柴广志;赵永
作者机构：
东北大学,沈阳 110000
文献出处：
引用格式：
[1]柴广志;赵永-.基于深度学习方法的电力负荷预测系统)[J].科技创新与应用,2022(31):30-34
A类：
B类：
深度学习方法,电力负荷预测,预测系统,家电,绿色低碳环保,发展经济,经济体系,预测出,电力调度,统计方法,人工智能方法,长短期神经网络,Long,Short,Term,Memory,负荷预测模型,需求情况,有效管理,减排政策,双碳政策
AB值：
0.289758
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。
