基于双LSTM融合策略的工业与民生用电60+7天滚动预测系统源码+文档说明及全部资料

作品简介

项目代码完整且含有说明文档,资料齐全且功能稳定可靠运行,可用于毕设、课设、期末作业、实际项目演练学习等。项目源码资料全部上传网盘(部分资源直接上传),下载即用!不懂就问,欢迎交流学习,可远程部署指导。

项目树状结构:


```

项目目录/

├── 项目说明.md         # 项目说明与运行指南

├── requirements.txt      # 依赖包列表

├── 第一组LSTM.py        # 整合尖峰、负载、备转、用电等特征训练LSTM模型 # LSTM模型1

├── 第二组LSTM.py        # 仅使用备转容量与备转容量率训练LSTM模型 # LSTM模型2

├── app.py           # 主运行脚本,加载两组LSTM并融合预测 # 模型推理与融合

├── 台电2019~2020.csv      # 2019年1月~2020年12月全量负荷与用电数据 # 原始数据

├── 2021年test.csv        # 2021年1月测试集 # 测试数据

├── my_model.h5         # 第一组LSTM训练后保存的模型权重 # 模型权重

├── Jmy_model.h5        # 第二组LSTM训练后保存的模型权重 # 模型权重

└── submission.csv       # 输出的7天预测结果 # 预测输出

```


功能介绍:

该项目以2019年1月\~2020年12月的尖峰供电、负载、备转容量、备转容量率、工业用电与民生用电数据为特征,构建两套LSTM模型分别对未来60天全量数据与未来7天单一特征进行预测,并在推理阶段将两组预测结果按照调优系数进行融合输出最终7天用电预测值。第一组LSTM使用过去200天的多维特征训练,第二组LSTM仅使用备转容量与备转容量率两个关键特征训练。项目通过app.py加载两组模型、读取测试集、按60 + 7天滚动预测并融合,最终输出2021年1月1日至1月7日的工业与民生用电量预测结果,实现多时间尺度、多模型融合的用电预测策略。

使用技术栈:Python,TensorFlow 2/Keras,NumPy,Pandas,Matplotlib,h5py

创作时间: