《表1 实验所选取的负荷影响因素》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LSTM循环神经网络的短期电力负荷预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用美国德州可靠性委员会控制区域2003年—2018年的每小时历史系统负荷数据对文中的模型进行验证[23]。将2003年—2016年的数据作为训练集，2017年的数据作为验证集，2018年的数据作为测试集。验证集用来验证最优训练回合数、最佳网络结构和参数。测试集用来测试模型预测效果。训练预测模型过程中考虑了天气（气温），日期类型（是否工作日，周几等），历史窗口期内同一时刻负荷，历史窗口期内每天的最大、最小负荷等因素，如表1所示。