标题：基于LSTM-FC网络考虑气象因素的负荷预测研究
作者：夏露 王翔
作者单位：河北软件职业技术学院软件工程系，河北 保定 071030
关键字：LSTM-FC；负荷预测；气象因素；神经网络
摘要：随着电力需求增长及全球气候变化，电力系统稳定性面临严峻的挑战，负荷预测需考虑气象因素以提升精度。提出了一种基于长短期记忆法-全联接网络（Long Short Term Memory Network and Fully Connected Neural Network，LSTM-FC）组合模型的用电负荷预测方法，以解决现有模型的不足。首先，运用皮尔逊相关系数对气象因素与负荷进行相关性分析，构建包含主要因素与历史用电负荷的特征输入矩阵，并建立滑动窗口数据集。随后，利用LSTM提取时间序列深层特征。最后，全连接层对特征进行聚合，实现短期负荷高精度预测。实验证明，该模型较传统方法显著提升预测精度，适用于不同区域，为电力系统运行提供可靠预测支持，验证了其有效性和正确性。