[发明专利]一种基于深度学习的电力用户负荷区间预测方法在审
| 申请号： | 201910550680.7 | 申请日： | 2019-06-24 |
| 公开（公告）号： | CN110263866A | 公开（公告）日： | 2019-09-20 |
| 发明（设计）人： | 周勤;张建华 | 申请（专利权）人： | 苏州智睿新能信息科技有限公司;北京睿新科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06Q10/04;G06Q10/06;G06Q50/06 |
| 代理公司： | 苏州广正知识产权代理有限公司 32234 | 代理人： | 王艳 |
| 地址： | 215000 江苏省苏州市工业园*** | 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学习的电力用户负荷区间预测方法，包括以下步骤：（1）建立大用户历史负荷数据预处理模型；（2）建立基于LSTM时间递归神经网络的负荷点预测模型；（3）采用点预测值缩放比例系数的负荷区间预测算法。通过上述方式，本发明是通过建立基于状态向量机方法的用户负荷预处理模型对单个用户历史数据进行预处理分析，根据处理后的历史数据采用LSTM机器学习方法寻找在最大限度降低用户负荷预测误差的预测模型，以点预测值缩放比例系数负荷区间预测算法进行单个用户的负荷区间预测，能够对具有强随机波动性的单个电力用户的负荷进行准确的负荷区间预测，在用户负荷的预测准确度上明显优于传统的方法。 | ||
| 搜索关键词： | 负荷区间 预测 电力用户 用户负荷 预处理模型 比例系数 单个用户 历史数据 预测模型 预测算法 缩放 递归神经网络 历史负荷数据 随机波动性 预处理分析 机器学习 预测误差 状态向量 准确度 传统的 大用户 负荷点 学习 | ||
【主权项】：
1.一种基于深度学习的电力用户负荷区间预测方法，其特征在于，包括以下步骤：(1)建立大用户历史负荷数据预处理模型用于异常数据的辨识与修补；(2)建立基于LSTM时间递归神经网络的负荷点预测模型；(3)采用点预测值缩放比例系数的负荷区间预测算法。
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苏州智睿新能信息科技有限公司;北京睿新科技有限公司，未经苏州智睿新能信息科技有限公司;北京睿新科技有限公司许可，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/201910550680.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种半监督多模态多类别的图像翻译方法
- 下一篇：一种钢轨伤损分类方法
