基于CNN-LSTM電力消耗預(yù)測(cè)模型及系統(tǒng)開(kāi)發(fā)

摘要： 有效預(yù)測(cè)電能負(fù)荷，對(duì)提高電力負(fù)荷時(shí)間序列測(cè)量準(zhǔn)確度及合理制定用電能管理措施具有重要意義。針對(duì)傳統(tǒng)預(yù)測(cè)模型在電能負(fù)荷預(yù)測(cè)中無(wú)法充分挖掘時(shí)間序列數(shù)據(jù)中隱藏特征的問(wèn)題，基于電能數(shù)據(jù)時(shí)間序列的趨勢(shì)，融合數(shù)值信息提出一種卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)與長(zhǎng)期短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)(long short-term memory network... （共7頁(yè)）