[發明專利]一種多時序協同的中期電力負荷預測方法

在審

• 申請號: 201811028611.1
• 申請日: 2018-09-04
• 公開（公告）號: CN109034500A
• 公開（公告）日: 2018-12-18
• 發明（設計）人: 易靈芝;劉文翰
• 申請（專利權）人: 湘潭大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種多時序協同的中期電力負荷預測方法，其特征在于，包括以下步驟：

步驟1：建立雙層長短時記憶網絡預測模型；

步驟2：采用均方根反向傳播算法，結合被測區域電力負荷的歷史每日總用電量時序數據，并添加溫度時序數據，且以獨熱碼方式添加節假日外部時序數據對長短時記憶網絡預測模型進行訓練得到預測模型每層的偏置值，設置長短時記憶網絡預測模型的激活函數、學習率、正則化方式和批次大小，通過訓練學習得到所述長短時記憶網絡預測模型輸入輸出之間以及與以往輸出之間的內在聯系。

步驟3：根據確定的長短時記憶網絡預測模型，對被測區域電力負荷的實際總用電量進行預測，輸入被測區域日期、溫度、節假日參數，得到所述被測區域電力負荷預測結果。

2.根據權利要求1所述的一種多時序協同的中期電力負荷預測方法，其特征在于，步驟1中所述的雙層長短時記憶網絡預測模型含有一個輸入層，兩個含有LSTMblock結構的隱含層，一個輸出層的神經網絡，輸入層的節點為3個，輸出層節點為1個，時間步長為365，每個隱含層節點為1095個，學習率設置為0.0006；

所述雙層長短時記憶網絡預測模型的兩層隱含層激活函數都選用softsign函數來替代tanh函數。

3.根據權利要求2所述的一種多時序協同的中期電力負荷預測方法，其特征在于，所述步驟2包括以以下步驟：

步驟21：根據長短時記憶網絡的訓練過程，對步驟1建立的雙層長短時記憶網絡預測模型使用被測時期前一年數據進行無監督訓練，從而得到雙層長短時記憶網絡模型每層的參數值；

步驟22：使用有監督學習方法對所述網絡的學習率進行微調；

所述步驟22中以雙層長短時記憶網絡預測模型目標輸出為監督信號，構建對數似然損失函數，對所述網絡進行有監督訓練，最終確定雙層長短時記憶網絡預測模型。

4.根據權利要求3所述的一種多時序協同的中期電力負荷預測方法，其特征在于：步驟2中所述歷史每日總用電量時序數據為被測區域電力負荷的一年每日平均用電量數據，所述雙層長短時網絡預測模型時輸入向量前12個月每日用電量，輸出向量為第13個月每日用電量。

5.根據權利要求4所述的一種多時序協同的中期電力負荷預測方法，其特征在于：步驟3中，所述對被測區域電力負荷的實際總用電量進行預測為對被測區域電力負荷未來1個月每日的實際總用電量進行預測。