[发明专利]一种基于长短期记忆网络的载荷谱外推方法

权利要求书

1.一种基于长短期记忆网络的载荷谱外推方法，包括以下步骤：S100：获取载荷谱数据；S200：将载荷谱数据进行数据处理，划分训练集和测试集；S300：基于LSTM算法，使用训练集进行训练，得到输入样本数据模型；S400：通过得到的输入样本数据模型使用测试集对载荷谱数据进行外推计算。

2.根据权利要求1所述的一种基于长短期记忆网络的载荷谱外推方法，其特征在于：所述LSTM算法的单元包括输入层、输出层、遗忘层和状态更新层。

3.根据权利要求2所述的一种基于长短期记忆网络的载荷谱外推方法，其特征在于：所述输入层通过sigmoid函数来控制输出，所述输入层的关系式为：i_t＝σ(W_i·[h_t-1,X_t]+b_i)，i_t为输入层的输出，σ为sigmoid函数，W_i为输入层的权重，h_t-1为上一个LSTM单元的输出结果，X_t为当前LSTM单元的输入，b_i为输入层的偏置。

4.根据权利要求3所述的一种基于长短期记忆网络的载荷谱外推方法，其特征在于：所述状态更新层由tanh函数控制输出，状态更新层的关系式为：为状态更新层的输出，tanh为tanh函数，W_c为状态更新层的权重，b_c为状态更新层的偏置。

5.根据权利要求4所述的一种基于长短期记忆网络的载荷谱外推方法，其特征在于：所述遗忘层由sigmoid函数控制输出，遗忘层的关系式为：f_t＝σ(W_f·[h_t-1,X_t]+b_f)，f_t为遗忘层的输出，W_f为遗忘层的权重，b_f为遗忘层的偏置。

6.根据权利要求5所述的一种基于长短期记忆网络的载荷谱外推方法，其特征在于：所述输出层的关系式为：

o_t＝σ(W_o·[h_t-1,X_t]+b_o)；

h_t＝o_t*tanh(C_t)；

其中，h_t为当前LSTM单元的输出，C_t-1为上一个LSTM单元的记忆状态，C_t为当前LSTM单元的记忆状态，W_o为输出层的权重，b_o为输出层的偏置。

7.根据权利要求1所述的一种基于长短期记忆网络的载荷谱外推方法，其特征在于：所述S300具体包括：

S310：构建样本数据模型结构；

S320：将训练后输出的数据与测试集的数据进行对比，计算两组数据的代价函数；

S330：根据S320的计算结果对各层权重和偏置进行调整，直至代价函数收敛为至。

8.根据权利要求7所述的一种基于长短期记忆网络的载荷谱外推方法，其特征在于：所述S320中采用平方损失作为代价函数。

9.根据权利要求1所述的一种基于长短期记忆网络的载荷谱外推方法，其特征在于：所述S200中的数据处理包括归一化、标准化和正则化中的一种或多种。

10.根据权利要求2所述的一种基于长短期记忆网络的载荷谱外推方法，其特征在于：所述LSTM算法定义神经元数量为100个，时间步长为20ms，批处理大小为60，学习步长为0.0001。