本次组会将会介绍阅读的一篇论文《Short-Term Residential Load Forecasting Based
on LSTM Recurrent Neural Network》，主要从以下几个方面介绍：

研究背景：

对于短期负荷预测，过往文献中采用了许多方法来解决这个问题。然而很少有人直接与个别客户打交道。针对单独家庭的短期负荷预测的问题还没有人解决。
如果有针对个别客户的准确负荷预测，电力供应商便可依靠这些资料，在电力短缺的情况下，锁定最有可能参与电力供应恢复计划的最佳客户群体，对提供负载平衡储备有重大作用。

科研问题：

由于具有高波动性和不确定性，预测单个住宅用户的电力负荷是相当具有挑战性的。

科研目的：

提出一种针对单个住宅用户的短期电力负荷预测框架

论文方法：

首先使用聚类方法对每日负荷曲线进行分析特性，得出预测框架

开发一个MAPE最小化的经验预测器

LSTM预测相关代码实现：