[发明专利]一种基于LSTM神经网络的电力负荷预测方法

说明书

本发明涉及一种基于LSTM神经网络的电力负荷预测方法，包括：区块电力参数信息获取模块、中央运算处理模块、执行命令生成模块，区块电力参数信息获取模块包括有区域单位各时段电力负荷数据集合单元、电表数据信息画面监测单元、区域地理位置信息数据获取单元，中央运算处理模块包括区域单位电力负荷数据接收单元，LSTM神经网络模型单元，本发明能够的对一个地区内各个不同分区区域的用电参数以及各个分区区域内输电线路的电力参数进行有效监测，并能够根据所监测的电力参数值来反向对不同分区区域内用电电力进行合理调度，不仅有效提高了电力公司的发电设备的利用率，也实现了合理利用电力公司的各种发电资源，降低了燃料消耗以及电力网络的损耗。

技术领域

本发明涉及电力技术领域，特别是涉及一种基于LSTM神经网络的电力负荷预测方法。

背景技术

电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能。电力系统在保证电能质量、实现安全可靠供电的前提下，还应实现经济运行，即努力调整负荷曲线，提高设备利用率，合理利用各种动力资源，降低燃料消耗、厂用电和电力网络的损耗，以取得最佳经济效益。当前，电力公司在对当地不同区域进行供电的过程中，还无法根据当地各个分区区域内不同的用电情况来合理调度分配调度各分区区域电力负荷，从而无法提高电力公司的发电设备利用率，也无法实现合理利用各种发电资源，增加了燃料消耗以及电力网络的损耗，致使经济效益无法提升，为了克服上述问题，我们提出了一种基于LSTM神经网络的电力负荷预测方法。

发明内容

本发明提供了一种基于LSTM神经网络的电力负荷预测方法，解决了现有技术中的技术问题。

本发明解决上述技术问题的方案如下：一种基于LSTM神经网络的电力负荷预测系统，包括：区块电力参数信息获取模块、中央运算处理模块、执行命令生成模块，所述区块电力参数信息获取模块包括有区域单位各时段电力负荷数据集合单元、电表数据信息画面监测单元、区域地理位置信息数据获取单元，所述中央运算处理模块包括区域单位电力负荷数据接收单元，LSTM神经网络模型单元、电力负荷数据补录单元，所述LSTM神经网络模型单元包括数据信息总存储模组、冗余存储模组、处理器模组、数据比对模组、图像信息处理模组。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述区域单位各时段电力负荷数据接收单元用以接收各个分区区域内各个输电线路在不同时间段各种电力数据信息，包括有不同时间段流经输电线路的电压数据信息，电流数据信息，电功率数据信息以及输电线路的温度信息数据。

进一步，所述电表数据信息画面监测单元用以监测电表检测数据数值，并将监测画面实时传递至LSTM神经网络模型单元的图像信息处理模组处。

进一步，所述图像信息处理模组逐个将接受的图像信息进行像素升维处理，再由处理器模组抓取升维的像素信息中包含有电表数据信息的关键像素信息数据，处理器模组再将抓取的关键像素信息数据进行重组形成图像信息数据。

进一步，所述电力负荷数据补录单元用以将不同区域单位在各个时段的电力负荷数据实时传递至LSTM神经网络模型单元处。

进一步，所述区域单位各时段电力负荷数据接收单元再将各个分区区域内各个输电线路在不同时间段各种电力信息数据信息进行传送的过程中，所述区域地理位置信息数据获取单元同时将该区域单位所处的具体地理位置信息进行精准定位，再将定位后的各个分区区域地理位置一并发送至LSTM神经网络模型单元处。

进一步，所述LSTM神经网络模型单元将接受后的所有信息数据存储在数据信息总存储模组内，随后处理器模组将所存储的输电线路电力数据信息再发送至处理器模组内部已经预先搭建好的LSTM神经网络模型处。