论文部分内容阅读
提出一种基于长短时记忆网络(LSTM)的预测模型,以提高高校电力负荷预测的准确率。以某高校的电力负荷数据为研究对象,分析不同超参数的影响,确定最优的预测模型,并与常用的基于支持向量机(SVM)的负荷预测模型进行负荷预测对比。结果表明,本文提出的负荷预测模型平均绝对百分误差(MAPE)为:办公楼6.67%、科研楼4.32%、教学楼5.98%和宿舍4.57%,每类建筑均比基于SVM预测模型的MAPE低1.5%左右。