1、“.....精准的负荷预测已经成为智能电网的重要标志之。电力负荷预测的核心是预测算法。电力负荷预测是种典型的时间序列预测，和的短期分布式电力负荷预测算法电力自动化设备。摘要电力负荷数据有着明显的时序依赖关系。针对电力负的短期负荷预测电力系统及其自动化学报，宁晓光，朱永利基于增量优化极限学习机的电力负荷预测计算机仿真，苏学能，刘天琪，曹鸿谦，等基于架构的多重分布式神经网络的短期负荷预测方法中国电机工程学报，陈亚，李萍基于神经网络的短期电力负荷预测仿真研究电气技术，梁智，孙国强，李虎成，等基于与优化深度信念网络的短期负荷预测电网技术，王新，基于自适应深度长短时记忆网络的电力负荷预测论文原稿的拟合也是基于前个星期数据进行的。基于自适应深度长短时记忆网络的电力负荷预测论文原稿。第步使用历史数据训练两个神经网络。在第个神经网络中，是输入训练数据，是输出的训练数据。在第个神经网络中，和是训练的输入，相对误差是训练的输出。算法用于训练这两个神经网络。第步比较数据集和其他部分的时间序列使用基于方程的欧几里德空间的自适应度量距离......”。

2、“.....为了有效利用负荷数据的时序依赖关系，本文采用了种自适应深度长短时记忆网络实现负荷的预测。该方法通过实现时序关系的提取，利用自适应输入减少网络的过拟合。为了将本文模型与其他方法作比较，本文采用归化均方误差和绝对平均误差作为误差准则。已有的文献中电力负荷预测的正确率通常采用网络为电力负荷预测提供了种新的有效方法。参考文献肖白，周潮，穆钢空间电力负荷预测方法综述与展望中国电机工程学报廖旎焕，胡智宏，马莹莹，等电力系统短期负荷预测方法综述电力系统保护与控制，崔和瑞，彭旭基于模型的夏季短期电力负荷预测电力系统保护与控制，王惠中，刘轲，周佳，等电力系统短期负荷预测建模仿真研究计算机仿真，吉兴全，傅荣荣，文福拴，等目前负荷预测的主要方法有基于优化的数学拟合方法，灰色系统理论以及机器学习方法。第步选择最近邻分类算法，并获得基于方程的。根据公式初始化第网络的输入数据。第步应用第个神经网络并获得结果输出。第步使用历史数据训练两个神经网络。在第个神经网络中，是输入训练数据，是输出的训练数据。在第个神经网络中，和是训练的输入，相对误差是训练的输出......”。

3、“.....提出了种基于自适应深度长短时记忆网络模型来进行电力负荷的预测。该模型通过深度长短时记忆网络有效的提取负荷序列的时序依赖关系。另外，该模型输入的自适应度量可以解决幅度变化和趋势确定的问题，避免了网络的过拟合。新的混合输出机制可以通过相对误差调整预测结果，使预测结果更加准确。实验结果表明，该模型优于神经网络自回归模型灰色系统极限学习机模型和近孟玲玲基于的超短期负荷预测电力系统保护与控制，王奔，冷北雪，张喜海，等支持向量机在短期负荷预测中的应用概况电力系统及其自动化学报，肖种新的机制，采用输入的自适应度量，输出数据由混合机制演变而来。模型的输入的自适应度量能够适应趋势和振幅的局部变化。网络的大部分输入与历史数据接近，以避免由于训练数据和输入数据之间的大差异而导致预测误差的急剧增加。在所提出的混合输出机制中，可以通过相对误差来调整预测结果，使预测结果更加准确。负荷预测模型深度长短时记忆网络长短类分析和支持向量机的空间负荷预测方法电力系统自动化，李霄，王昕，郑益慧，等基于改进最小乘支持向量机和预测误差校正的短期风电负荷预测电力系统保护与控制，王保义，王冬阳......”。

4、“.....基于自适应深度长短时记忆网络的电力负荷预测论文原稿于云计算和极限学习机的分布式电力负荷预测算法电网技术，刘念，张清鑫，刘海涛基于核函数极限学习机的微电网短期负荷预测方法电工技术学报，回立川，于淼，梁芷睿应用近邻传播算法改进的短期负荷预测电力系统及其自动化学报，宁晓光，朱永利基于增量优化极限学习机的电力负荷预测计算机仿真，苏学能，刘天琪，曹鸿谦，等基于架构的多重分布式神经网络的短期史数据，并减少过拟合的现象，有效提高了模型在负荷预测时的准确率。通过仿真实验表明本文提出的方法比传统的网络极限学习机自回归模型以及传统的灰色系统模型准确度更高。自适应深度网络为电力负荷预测提供了种新的有效方法。参考文献肖白，周潮，穆钢空间电力负荷预测方法综述与展望中国电机工程学报廖旎焕，胡智宏，马莹莹，等电力系统短期负荷预测方法综述电力系统编号引言電力系统的可靠运营是国民经济各领域发展的基础。而电力负荷预测是目前只能电网规划与生产调度的重要数据依据，精准的负荷预测已经成为智能电网的重要标志之。电力负荷预测的核心是预测算法。电力负荷预测是种典型的时间序列预测......”。

5、“.....灰色系统理论以及机器学习方法。表给出了几种方法的具体预测结果对比。通过上述对比试验可以看出，第步选择最近邻分类算法，并获得基于方程的。根据公式初始化第网络的输入数据。第步应用第个神经网络并获得结果输出。基于自适应深度长短时记忆网络的电力负荷预测论文原稿。摘要电力负荷数据有着明显的时序依赖关系。针对电力负荷的时序依赖特性，提出了种基于自适应深度长短时记忆网络模型来进行电力负荷的预测。该模型通过深度长短时记忆网络有效的提取负荷序列的时序依赖关系。另作为评价指标，本文中为了更加有效的反映算法的可信性采用了和两种指标。为了更好的证明本文方法的有效性，将本文的方法与神经网络自回归模型极限学习机模型以及灰色系统模型进行对比。为了反映本文方法对时序关系建模的优势，本文从两种尺度实现负荷预测以天为单位和以半小时为单位。以按天负荷预测时，网络以及的输入也为预测数据的个星期的数据，邻模型。自适应深度网络为电力负荷预测提供了种新的有效方法。关键词电力负荷预测分析长短时记忆网络深度学习中图分类号文献标识码文章编号引言電力系统的可靠运营是国民经济各领域发展的基础......”。

6、“.....提升电力企业的生产效率和质量，同时还能有效地减少人工生产的工作量，从而大幅度降低了因人工操作可能会造成的些技术失误，尽可能地减少电力企业操作环节中安全事故的发生。科技化从理论上来说，自动化技术的成长和突破主要要是指自动化技术可以自动完成多电力系统中多项环节的控制和推动，并且还可以将不同环节所应完成的任务进行施工工艺上的简化，从而大幅度提高电力系统的工作效率，在满足不同地域内用电居民的基本需求之外还可以在最大程度上节约电力企业的成本投入，使用该技术可以早日实现工作人员对电力系统运行过程中所涉及到的多项环节进行集成管理，电气自动化控制技术在电力系统中的应用研究论文原稿用中直在不断地优化和完善，并且向科技化方向进步发展。电气自动化控制技术在电力系统中的应用研究论文原稿。体化就目前而言，自动化技术在很多领域和行业中都有着非常广泛地应用，并且也都取得了不错的成效。由于该技术所涉及到的工艺流程相对来说比较复杂，因此为了可以更好地对该技术进行优化，些技术研发人员将该技术进行了体化地时代背景，趋势发展清晰，相信在不久之后，自动化技术定会实现质的突破，从而更好地推动电力行业的持续发展和进步......”。

7、“.....李永平电气自动化控制技术在电力企业中的具体应用分析信息与电脑，陈勇发电厂电气自动化控制技术应用科技创新与应用，诸玫嫣浅析电气自动化控制系统的应用及发展趋势中小企业管理与科技，苗蕾在生产电力系统自动装置往往检测保护控制监视分立，需要专门的技术人员进行信息整合之后，实现半自動化的控制，随着远程控制的加强，电网自动化将会朝着数据监测智能融合体化的方向发展，从检测保护监视到专家诊断控制，实现人工智能化的控制。加强以太网的应用智能融合远程监控等都需要大量数据的捆绑传送，对于数据的准确性和传输速度都有比较计算机技术应用电力行业的应用最广泛的是操作系统。采用的标准对优化操作界面和提高系统实用性有巨大价值。该标准不但规范了开发过程的编程和语法，还实现了工业电气技术的标准化统化，既能保证系统程序间的有效衔接，也能保证实现电气化系统的合格率。对于电力系统管理来说，技术随着科技的发展，在电力行业的应用替的任务，所以自动化技术还有很多的不足之处需要进行进步的改进和完善第，国内现如今还存在着些电力企业在不断地改变着原有的生产模式，以求为人们提供更加优质和便捷的用电服务......”。

8、“.....因此相关工作人员需要加强对电力系统传统模式的变革力度，在确保能够为附近居民正常供电传输方式的变革效率，并且起到了定的作用。而自动化技术也可以简化电网传输的流程，实现电网传输效率的显著提升，从而进步推动了电力行业的稳定发展。关键词电气自动化控制技术电力系统应用研究引言自动化技术在我国各个领域中都发挥着巨大的作用，也是未来几年我国电力行业的重要发展趋势。为了给广大的人民群众提供更加优质的供电高电网传输的效率和质量，同时也可以在最大程度上降低电能在电网传输过程中的损耗。力负荷预测是目前只能电网规划与生产调度的重要数据依据，精准的负荷预测已经成为智能电网的重要标志之。电力负荷预测的核心是预测算法。电力负荷预测是种典型的时间序列预测，和的短期分布式电力负荷预测算法电力自动化设备。摘要电力负荷数据有着明显的时序依赖关系。针对电力负的短期负荷预测电力系统及其自动化学报，宁晓光，朱永利基于增量优化极限学习机的电力负荷预测计算机仿真，苏学能，刘天琪，曹鸿谦，等基于架构的多重分布式神经网络的短期负荷预测方法中国电机工程学报，陈亚......”。

9、“.....梁智，孙国强，李虎成，等基于与优化深度信念网络的短期负荷预测电网技术，王新，基于自适应深度长短时记忆网络的电力负荷预测论文原稿的拟合也是基于前个星期数据进行的。基于自适应深度长短时记忆网络的电力负荷预测论文原稿。第步使用历史数据训练两个神经网络。在第个神经网络中，是输入训练数据，是输出的训练数据。在第个神经网络中，和是训练的输入，相对误差是训练的输出。算法用于训练这两个神经网络。第步比较数据集和其他部分的时间序列使用基于方程的欧几里德空间的自适应度量距离。第步比较数据集和其他部分的时间序列使用基于方程的欧几里德空间的自适应度量距离。为了有效利用负荷数据的时序依赖关系，本文采用了种自适应深度长短时记忆网络实现负荷的预测。该方法通过实现时序关系的提取，利用自适应输入减少网络的过拟合。为了将本文模型与其他方法作比较，本文采用归化均方误差和绝对平均误差作为误差准则。已有的文献中电力负荷预测的正确率通常采用网络为电力负荷预测提供了种新的有效方法。参考文献肖白，周潮，穆钢空间电力负荷预测方法综述与展望中国电机工程学报廖旎焕，胡智宏，马莹莹......”。