基于深度学习的智能电网短期日负荷曲线预测系统设计与实现  

Design and implementation of short-term daily load curve forecasting system for smart grid based on deep learning

作　　者：崔秀艳 闫绍惠 

机构地区：[1]河北软件职业技术学院,河北保定071000

出　　处：《电子产品世界》2023年第2期66-69,共4页Electronic Engineering & Product World

摘　　要：短期电力负荷精准预测对发电容量与输电方式的合理调度、确保电力系统安全、稳定运行起着至关重要的作用。本文针对负荷数据基数大、难提取、负荷预测影响因素多等问题,运用Mysql数据库和Python爬虫技术构建了短期负荷曲线预测基础数据平台,提高了数据的存取效率;针对电力负荷的随机波动性,运用Pandas、关联分析算法完成了缺失值处理和影响因素与用电负荷的相关性分析;为提高预测精度,探索使用了融合卷积神经网络、长短期记忆网格和注意力机制的多元混合神经网络模型。同时,基于Flask、VUE框架和Echarts可视化组件搭建了图形可视化界面,便于用户观测负荷数据与预测结果。

关 键 词：深度学习 短期负荷预测 卷积神经网络 长短期记忆网格 FLASK 

分 类 号：TM76[电气工程—电力系统及自动化] TM715[自动化与计算机技术—控制理论与控制工程] TP18[自动化与计算机技术—控制科学与工程]