[发明专利]一种基于深度学习的Bi-LSTM的电负荷预测方法在审
| 申请号： | 201910508711.2 | 申请日： | 2019-06-13 |
| 公开（公告）号： | CN110222901A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 蔡昌春;陶媛;邓志祥;刘昊林 | 申请（专利权）人： | 河海大学常州校区 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/06;G06N3/04;G06N3/08 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 董建林 |
| 地址： | 213022 江苏*** | 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： | 本发明公开了电负荷预测技术领域的一种基于深度学习的Bi‑LSTM的电负荷预测方法，旨在解决现有技术中电负荷预测效率低，且存在过拟合现象的技术问题，对电负荷数据样本进行归一化预处理；设计多层Bi‑LSTM深度神经网络；将预处理后的电负荷数据输入神经网络模型进行训练；将预测结果反归一化处理。多层Bi‑LSTM有效地增加模型的深度，提高电负荷参数的调节自由度，对先输入的数据进行部分特征的提取，提高了神经网路模型的效率。为防止网络模型层数过多导致训练模型过拟合，模型中加入dropout，减少了过拟合现象。 | ||
| 搜索关键词： | 电负荷 拟合 多层 预处理 反归一化处理 归一化预处理 神经网络模型 负荷预测 神经网路 神经网络 数据样本 网络模型 训练模型 预测技术 预测结果 有效地 预测 学习 | ||
【主权项】：
1.一种基于深度学习的Bi‑LSTM的电负荷预测方法，其特征是，包括以下步骤：对电负荷数据样本进行归一化预处理；设计多层Bi‑LSTM深度神经网络；将预处理后的电负荷数据输入神经网络模型进行训练；将预测结果反归一化处理。
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河海大学常州校区，未经河海大学常州校区许可，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/201910508711.2/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
