基于LSTM的负荷和可再生能源出力预测（核心部分复现）

目录

1 主要内容

长短期记忆网络介绍：

2 程序结果

3 下载链接 

---

1 主要内容

该程序复现文章《基于改进鲸鱼优化算法的微网系统能量优化管理》负荷和可再生能源预测部分，根据长短期记忆网络(Long Short Term Memory，LSTM)预测得到的可再生能源出力和负荷需求，通过一个月的冷热电负荷以及风光数据进行训练和预测，得到较好的预测结果。

长短期记忆网络介绍：

长短期记忆网络(Long Short Term Memory, LSTM)作为一种特殊的循环神经网络(Recurrent neural network, RNN)，主要用于解决长序列训练过程中的梯度消失和梯度爆炸问题。

LSTM预测过程主要包括三个阶段：遗忘阶段，选择记忆阶段和输出阶段。遗忘阶段主要是对上一个节点传过来的信息进行选择性剔除，通过读取上一节点的输出状态和本节点的输出状态，由激活函数决定上一时刻细胞状态信息被遗忘的比例；选择记忆阶段是对输入的信息有选择性的进行筛选，将重要的信息挑选出来输入到当前细胞。选择记忆阶段主要包括两个步骤：第一步是输入层的激活函数决定哪些信息需要更新，层生成一个备选的更新内容，然后接下来是更新细胞状态。根据遗忘阶段的输出状态和备选更新的细胞状态来得到当前细胞的状态；输出阶段将会利用激活函数决定输出细胞状态的比例，然后将经过层处理的细胞状态与输出的细胞状态相乘得到最终的输出结果。

2 程序结果

通过出图结果能够看出，程序不仅将负荷和可再生能源进行了预测，而且有风速转换为风力发电、光照强度转换为光伏出力的代码​，非常值得拥有！下图是原文对照结果​。