[发明专利]基于深度学习的新型负荷预测方法和装置

权利要求书

1.一种负荷预测方法，其特征在于，包括：

获取待预测的电网的输入变量，其中，所述输入变量用于指示所述待预测的电网的参数；

将所述输入变量输入到训练好的电网负荷预测模型中进行模型运算，得到运算结果；

根据所述运算结果确定待预测的电网的负荷。

2.根据权利要求1所述的方法，其特征在于，在将所述输入变量输入到训练好的电网负荷预测模型中进行模型运算，得到运算结果之前，所述方法还包括：

获取待预测的电网的历史数据，其中，所述历史数据包括历史负荷数据，历史天气数据和电网负载数据；

确定深度学习神经网络结构；

将所述待预测的电网的历史数据输入到深度学习神经网络结构中进行训练，得到所述训练好的电网负荷预测模型。

3.根据权利要求2所述的方法，其特征在于，所述深度学习神经网络结构包括LSTM结构，LSTM结构包括输入层、隐藏层和输出层，所述输入层由表示输入的神经元组成，所述隐藏层由表示中间变量的神经元组成，在所述隐藏层中有输入到下一时间隐藏层的连接，所述输出层由表示输出结果的神经元组成。

4.根据权利要求3所述的方法，其特征在于，所述电网负荷预测模型的输入变量中包括学习时间参数和预测时间参数。

5.根据权利要求1所述的方法，其特征在于，在获取待预测的电网的历史数据之后，所述方法还包括：

对所述历史数据进行预处理，得到处理后的数据，其中，所述预处理包括去除所述历史数据中的错误数据，重新获取所述历史数据中的缺失数据，去除所述历史数据中的重复数据；

将所述处理后的数据输入到深度学习神经网络结构中进行训练。

6.一种负荷预测装置，其特征在于，包括：

第一获取单元，用于获取待预测的电网的输入变量，其中，所述输入变量用于指示所述待预测的电网的参数；

第一输入单元，用于将所述输入变量输入到训练好的电网负荷预测模型中进行模型运算，得到运算结果；

第一确定单元，用于根据所述运算结果确定待预测的电网的负荷。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第二获取单元，用于在将所述输入变量输入到训练好的电网负荷预测模型中进行模型运算，得到运算结果之前，获取待预测的电网的历史数据，其中，所述历史数据包括历史负荷数据，历史天气数据和电网负载数据；

第二确定单元，用于确定深度学习神经网络结构；

第二输入单元，用于将所述待预测的电网的历史数据输入到深度学习神经网络结构中进行训练，得到所述训练好的电网负荷预测模型。

8.根据权利要求7所述的装置，其特征在于，所述深度学习神经网络结构包括LSTM结构，LSTM结构包括输入层、隐藏层和输出层，所述输入层由表示输入的神经元组成，所述隐藏层由表示中间变量的神经元组成，在所述隐藏层中有输入到下一时间隐藏层的连接，所述输出层由表示输出结果的神经元组成。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的负荷预测方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的负荷预测方法。