[發(fā)明專利]基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710136478.0
• 申請(qǐng)日: 2017-03-08
• 公開（公告）號(hào): CN106952181A
• 公開（公告）日: 2017-07-14
• 發(fā)明（設(shè)計(jì)）人: 楊延?xùn)|;鄧力;李書芳;張貫京;葛新科
• 申請(qǐng)（專利權(quán)）人: 深圳市景程信息科技有限公司
• 主分類號(hào): G06Q50/06
• 分類號(hào): G06Q50/06;G06Q10/04;G06N3/02
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)系統(tǒng)，運(yùn)行于計(jì)算機(jī)中，該計(jì)算機(jī)包括輸入單元以及輸出單元，其特征在于，所述長(zhǎng)短時(shí)記憶神經(jīng)(LSTM)網(wǎng)絡(luò)包括輸入層、LSTM網(wǎng)絡(luò)層和輸出層，所述電力負(fù)荷預(yù)測(cè)系統(tǒng)包括：

信息接收模塊，用于通過(guò)輸入單元接收輸入的歷史時(shí)刻的電力負(fù)荷數(shù)據(jù)和區(qū)域特征因素，并將所述歷史時(shí)刻的電力負(fù)荷數(shù)據(jù)和區(qū)域特征因素傳遞至所述LSTM網(wǎng)絡(luò)的輸入層；

模型建立模塊，用于將所述LSTM網(wǎng)絡(luò)的輸入層接收的歷史時(shí)刻的電力負(fù)荷數(shù)據(jù)和區(qū)域特征因素導(dǎo)入所述LSTM網(wǎng)絡(luò)層，并通過(guò)所述LSTM網(wǎng)絡(luò)層對(duì)所述歷史時(shí)刻的電力負(fù)荷數(shù)據(jù)和區(qū)域特征因素進(jìn)行訓(xùn)練建模，以訓(xùn)練生成深度神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型，所述深度神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型為用于供電負(fù)荷預(yù)測(cè)的單層多任務(wù)深度神經(jīng)網(wǎng)絡(luò)模型或雙層多任務(wù)深度神經(jīng)網(wǎng)絡(luò)模型；

電力預(yù)測(cè)模塊，用于利用所述深度神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型對(duì)所需預(yù)測(cè)區(qū)域內(nèi)的電力負(fù)荷進(jìn)行預(yù)測(cè)，并通過(guò)連接至所述LSTM網(wǎng)絡(luò)層的回歸器產(chǎn)生該區(qū)域內(nèi)的電力負(fù)荷預(yù)測(cè)結(jié)果；

結(jié)果輸出模塊，用于通過(guò)所述輸出層輸出所需預(yù)測(cè)區(qū)域內(nèi)的電力負(fù)荷預(yù)測(cè)結(jié)果至所述輸出單元。

2.如權(quán)利要求1所述的基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)系統(tǒng)，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型表示如下公式：

Forecast＝f(t,d,c,y₁,u₁,id)

其中，t∈[0,24]，是一天當(dāng)中的時(shí)間，以小時(shí)為單位；d∈{1,2,...,365,366}是一年當(dāng)中的天數(shù)，以天為單位；c是一天的類型；y_l是包含一段歷史用電需求的歷史電力負(fù)荷數(shù)據(jù)；u_l是一個(gè)包含區(qū)域特征因素的實(shí)值向量；id代表用電需求的區(qū)域標(biāo)識(shí)。

3.如權(quán)利要求1所述的基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)系統(tǒng)，其特征在于，所述LSTM網(wǎng)絡(luò)是一種改進(jìn)型的迭代神經(jīng)網(wǎng)絡(luò)，該迭代神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)隱層狀態(tài)向量h_t遞歸應(yīng)用狀態(tài)轉(zhuǎn)移函數(shù)f來(lái)處理輸入序列的網(wǎng)絡(luò)，處于時(shí)間步長(zhǎng)t的隱層狀態(tài)向量h_t由當(dāng)前輸入序列x_t和上一時(shí)刻的隱層狀態(tài)向量h_t-1決定，所述隱層狀態(tài)向量h_t采用如下公式表示：

$h_t=\left\{\begin{array}{cc}0,& t=0\\ f(h_{t-1},x_t),& t\≠0\end{array}\right..$

4.如權(quán)利要求1所述的基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)系統(tǒng)，其特征在于，所述LSTM網(wǎng)絡(luò)層包括輸入門i_t、輸出門o_t和遺忘門f_t以及記憶單元c_t，在時(shí)刻t，記憶單元c_t記錄到當(dāng)前時(shí)刻t為止的所有歷史信息并受到輸入門i_t、輸出門o_t和遺忘門f_t這三個(gè)邏輯門控制，該三個(gè)邏輯門的輸出值均在0和1之間。