王 闯，兰程皓，凌德祥，吴 伟，刘书剑，卜云彤

(国网抚顺供电公司，辽宁 抚顺 113006)

机器学习方法自问世以来就被学者应用于负荷预测领域。特别是在深度学习出现之后，深度学习在负荷预测中的应用一直是学术界以及工业界研究的热点问题。

LSTM就是长短期记忆网络，是RNN循环神经网络的一种变体，适合于处理和预测时间序列数据，是深度学习方法的一种。因为LSTM拥有门机制，可以选择性的遗忘和记忆过去的信息，特别是能记忆一个序列时间段的信息。循环神经网网络的这一特征，特别适合用于处理电力系统时间序列数据，因此有大量学者在此方面进行了研究。

深度学习(deep-learning)的概念起源于对神经网络的研究。人工神经网络，也就是我们常说的神经网络模型，是一种比较接近生物神经网络特性的数学结构。人工神经网络通过模拟生物神经网络之间复杂的结构和功能，由大量的神经元相互连接构成，可以用来对数据之间的复杂关系进行建模。

人工神经网络是由大量基本神经元处理单元，通过复杂的网络连接方式构成的一种非线性动态系统数学模型。人工神经网络具有强大的计算能力和容错能力，以及高度非线性学习的特性。人工神经网络最大的优势在于其自适应学习能力，可以根据外部环境的变化情况，实时调整网络权值、阈值，从而达到最优的输出期望。

1 研究目的

电力系统负荷预测具有非常深远的意义。它对电力系统以及发电设备的运行、调度、配置有着重要的指导作用。……