文献类型：期刊文章

作　　者：何晓阳[1] 苏轶[1] 王冲[2] 霍春燕[1]

HE Xiaoyang;SU Yi;WANG Chong;HUO Chunyan(State Grid Hebei Electric Power Co.,Ltd.,Shijiazhuang 050021,China;State Grid Hengshui Power Supply Company,Hengshui 053000,China)

机构地区：[1]国网河北省电力有限公司,河北石家庄050021 [2]国网衡水供电公司,河北衡水053000

出　　处：《电子设计工程》

基　　金：2020年国网河北电力互联网课题(B704HS200100)。

年　　份：2023

卷　　号：31

期　　号：7

起止页码：68-72

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：针对智能电力系统海量数据分析和计算中存在的算法收敛性不足、准确度较低、动态数据管理和应用存在困难的问题,提出了一种基于自动步长改进的LSTM深度学习算法。其能够对海量数据进行分析和预测,实现了从数据中挖掘有用信息并对数据进行合理、准确分析,从而预测未来电力工程发展的趋势。通过物联网与App采集海量数据,收集、存储、训练历史数据集。基于自动步长改进的LSTM对电力工程数据进行预测与分析,同时对几个时间维度进行处理,使其具备自动选择学习时间步长的能力。算例分析结果表明,与常规LSTM、SVM以及ARIMA算法相比,文中所提的改进LSTM深度学习算法能够有效提升数据分析预测的准确性,且具有良好的稳定性。

关 键 词：电力物联网 改进LSTM  电力工程数据  深度学习  

分 类 号：TP311] TN911[计算机类]