基于云计算和机器学习的企业电力负荷预测方法研究  

作　　者：彭爱军[1] 马骏 黄杰 赵才溢 

机构地区：[1]中国质量认证中心南京分中心,江苏南京210000

出　　处：《科技与创新》2024年第18期127-129,共3页Science and Technology & Innovation

摘　　要：随着企业电力需求的不断增加,精确预测电力负荷对于保持电力供应的稳定性和经济效益至关重要。采用长短期记忆神经网络方法进行企业电力负荷预测。LSTM模型具备良好的记忆能力,能够捕捉时间序列数据中的长期依赖关系。为了提高预测的准确性和模型的训练效率,利用云计算的弹性和并行计算能力,更快地训练模型并进行预测。仿真结果表明,基于云计算和长短期记忆神经网络的方法能够准确预测企业电力负荷,并且相较于传统方法具有更高的预测精度。此研究为企业电力负荷预测提供了一种新的有效方法,并且具有一定的应用价值。

关 键 词：云计算 长短期记忆神经网络 负荷预测模型 时间序列 

分 类 号：TM715[电气工程—电力系统及自动化]