关键词：短期负荷预测 bp神经网络 长短时记忆网络 adam算法 

摘要：准确的负荷预测对保持电网的稳定性和提高当地经济效益、节约成本有重大帮助。考虑到负荷数据带有时序性,以及智能电网的发展所带来的数据量的增大,建立了长短时记忆网络(LSTM)模型来对未来用电量进行短期负荷预测。针对Adam训练算法可能存在的收敛问题,对其进行了改进,并通过MATLAB软件对LSTM网络进行建模,通过与BP神经网络进行对比,结果表明,LSTM模型具有更高的精确度以及实用性。

电工电气杂志要求:

{1}本刊实行双向匿名审稿制度。审稿周期一般为3个月。3个月内未收到刊用意见，作者可自行处理来稿。

{2}本刊对来稿有权作文字及少量内容修改，若作者不同意，请在来稿时声明，未加特别注明者即属默认。

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

{4}为避免重复,再次征引同一文献时可略去出版社与出版年月,只注出著者、书名、卷数、页码。

{5}请作者写明联系方式，以方便编辑部与作者联系。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社