[發明專利]基于深度遞歸神經網絡的電力系統短期負荷預測方法在審
| 申請號： | 201711293583.1 | 申請日： | 2017-12-08 |
| 公開（公告）號： | CN107766995A | 公開（公告）日： | 2018-03-06 |
| 發明（設計）人： | 林霞;李可;田鳳字;孔令元;張智晟 | 申請（專利權）人： | 國網山東省電力公司棗莊供電公司;青島大學 |
| 主分類號： | G06Q10/04 | 分類號： | G06Q10/04;G06Q50/06;G06N3/04 |
| 代理公司： | 青島華慧澤專利代理事務所(普通合伙)37247 | 代理人： | 沙莎 |
| 地址： | 277000 山*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 深度 遞歸 神經網絡 電力系統 短期 負荷 預測 方法 | ||
1.基于深度遞歸神經網絡的電力系統短期負荷預測方法，其特征在于，包括以下步驟：
(1)收集匯總歷史電網負荷和氣象數據，建庫備用；
(2)去除步驟(1)所得異常數據，對剩余數據歸一化處理；
(3)確定具有前饋和反饋功能的模型結構；
(4)采用歷史數據對基于IPSO算法的DRNN預測模型進行訓練，確定模型參數及權值；
(5)將基于IPSO算法的DRNN預測模型用于實際負荷的預測中，得出預測負荷值。
2.根據權利要求1所述的基于深度遞歸神經網絡的電力系統短期負荷預測方法，其特征在于：步驟(3)確定的模型包括輸入層、多個隱含層、關聯層和輸出層，關聯層含有用于存儲歷史信息的存儲單元，存儲單元將存儲的當前時刻的歷史信息作為反饋用于下一時刻第一層隱含層的輸入。
3.根據權利要求2所述的基于深度遞歸神經網絡的電力系統短期負荷預測方法，其特征在于：步驟(3)確定的模型為y(t)＝g(Wn+1·Rn(t)+Bn+1)
式中：Wn+1、Bn+1為第n層隱含層與輸出層之間的權矩陣；g為DRNN輸出層的非線性激活函數；激活函數f、g為sigmoid函數，
4.根據權利要求1-3任一所述的基于深度遞歸神經網絡的電力系統短期負荷預測方法，其特征在于：步驟(2)歸一化處理后，對數據進行負荷特性分析。
5.根據權利要求4所述的基于深度遞歸神經網絡的電力系統短期負荷預測方法，其特征在于：負荷特性分析是采用統計技術分析負荷數據特性，確定負荷數據相關特點。
6.根據權利要求1-3任一所述的基于深度遞歸神經網絡的電力系統短期負荷預測方法，其特征在于：步驟(1)中的歷史電網負荷和氣象數據是前3年的。
7.根據權利要求1-3任一所述的基于深度遞歸神經網絡的電力系統短期負荷預測方法，其特征在于：步驟(2)中的異常數據是零數據或最大值或最小值。
8.根據權利要求1-3任一所述的基于深度遞歸神經網絡的電力系統短期負荷預測方法，其特征在于：步驟(2)中的歸一化是將數據歸一化到[-1,1]區間。
9.根據權利要求1-3任一所述的基于深度遞歸神經網絡的電力系統短期負荷預測方法，其特征在于：由步驟(5)中預測模型得到的值，反歸一化，即可得到實際數量級的預測負荷值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于國網山東省電力公司棗莊供電公司;青島大學，未經國網山東省電力公司棗莊供電公司;青島大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711293583.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：術中體位維持足套
- 下一篇：應用物聯網及人工智能的平衡健康裝置
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法；其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政；管理
G06Q10-02 .預定，例如用于門票、服務或事件的
G06Q10-04 .預測或優化，例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理，例如組織、規劃、調度或分配時間、人員或機器資源；企業規劃；組織模型
G06Q10-08 .物流，例如倉儲、裝貨、配送或運輸；存貨或庫存管理，例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化，例如電子郵件或群件的計算機輔助管理
