[发明专利]基于深度LSTM神经网络的电网负荷预测方法在审
| 申请号： | 201810054530.2 | 申请日： | 2018-01-19 |
| 公开（公告）号： | CN108416690A | 公开（公告）日： | 2018-08-17 |
| 发明（设计）人： | 孙晓燕;邵辉;赵琳;汪敬人;暴琳;耿聪;李玉柱 | 申请（专利权）人： | 中国矿业大学 |
| 主分类号： | G06Q50/06 | 分类号： | G06Q50/06;G06Q10/04 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 楼高潮 |
| 地址： | 221116 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度LSTM神经网络的电网负荷预测方法，能提高预测精度、步长和实时性，包括以下步骤：根据输入特征数据和负荷数据生成训练样本，其中，输入特征数据包括实验时间的气象信息和是否为工作日的时间类型信息；对训练样本进行处理，并通过LSTM神经网络对处理后的训练样本进行训练以得到LSTM预测模型；通过将待预测时间的气象信息和是否为工作日的时间类型信息输入LSTM预测模型，以对待预测时间内的电网负荷进行预测以得到电网负荷预测结果；对电网负荷预测结果进行分析，并判断电网负荷预测结果是否满足准确度要求；如果判断不满足准确度要求，则获取新的训练样本，并通过新的训练样本对LSTM预测模型进行补充训练，以对LSTM预测模型进行更新。 | ||
| 搜索关键词： | 电网负荷 训练样本 预测模型 预测 神经网络 预测结果 准确度要求 气象信息 时间类型 输入特征 负荷数据 数据包括 信息输入 实时性 补充 更新 分析 | ||
【主权项】：
1.一种基于深度LSTM神经网络的电网负荷预测方法，其特征在于，包括以下步骤：根据输入特征数据和负荷数据生成训练样本，其中，所述输入特征数据包括实验时间的气象信息和是否为工作日的时间类型信息；对所述训练样本进行处理，并通过LSTM神经网络对处理后的训练样本进行训练以得到LSTM预测模型；通过将待预测时间的气象信息和是否为工作日的时间类型信息输入所述LSTM预测模型，以对所述待预测时间内的电网负荷进行预测以得到电网负荷预测结果；对所述电网负荷预测结果进行分析，并判断所述电网负荷预测结果是否满足准确度要求；如果判断不满足所述准确度要求，则获取新的训练样本，并通过所述新的训练样本对所述LSTM预测模型进行补充训练，以对所述LSTM预测模型进行更新。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国矿业大学，未经中国矿业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810054530.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种自动生成操作票任务的通用方法
- 下一篇：一种能源替代环保潜力计算方法
