[发明专利]一种多模型融合神经网络的短期负荷预测方法有效
申请号: | 201811385455.4 | 申请日: | 2018-11-20 |
公开(公告)号: | CN109255505B | 公开(公告)日: | 2021-09-24 |
发明(设计)人: | 许言路;邓卓夫;武志锴;朱冰;张建森 | 申请(专利权)人: | 国网辽宁省电力有限公司经济技术研究院;东北大学;沈阳电力勘测设计院有限责任公司;国家电网有限公司 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/06;G06N3/04;G06N3/08 |
代理公司: | 沈阳优普达知识产权代理事务所(特殊普通合伙) 21234 | 代理人: | 李晓光 |
地址: | 110013 辽宁*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开一种多模型融合神经网络的短期负荷预测方法,步骤为:数据获取及预处理得到数据集;将数据集分割为训练集和验证集;单独构造基于反向传播算法的多种模型,使用训练集的输入向量序列训练模型;使用多种单独模型的输出作为输入训练一个顶层DNN模型;将单独训练的模型和顶层DNN模型融合,进行精调;用验证集验证训练好的模型,通过对比测试集和验证集的精度和误差,调整模型参数,通过多次训练,选择验证集表现最好的模型作为训练结果;在实际环境中运行模型,当预测值和实际值出现较大偏差时,将最新数据加入训练集再次训练模型。本发明采用单独训练、组合调优的方式,降低了部署的复杂度,精度优于单个模型,具有良好的实用价值。 | ||
搜索关键词: | 一种 模型 融合 神经网络 短期 负荷 预测 方法 | ||
【主权项】:
1.一种多模型融合神经网络的短期负荷预测方法,其特征在于包括以下步骤:1)数据获取及预处理,得到数据集;2)将数据集分割为训练集和验证集两部分:训练集用来训练模型,验证集用来验证训练结果;3)单独构造基于反向传播算法的多种模型,使用训练集的输入向量序列训练模型;4)使用多种单独模型的输出作为输入训练一个顶层DNN模型;5)将单独训练的模型和顶层DNN模型融合,并进行精调;6)用验证集验证训练好的模型,通过对比测试集和验证集的精度和误差,调整模型参数,通过多次训练,选择验证集表现最好的模型作为训练结果;7)在实际环境中运行模型,当预测值和实际值出现较大偏差时,将最新数据加入训练集再次训练模型。
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国网辽宁省电力有限公司经济技术研究院;东北大学;沈阳电力勘测设计院有限责任公司;国家电网有限公司,未经国网辽宁省电力有限公司经济技术研究院;东北大学;沈阳电力勘测设计院有限责任公司;国家电网有限公司许可,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/201811385455.4/,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