[發(fā)明專利]基于循環(huán)神經(jīng)網(wǎng)絡的電力負荷預測方法、裝置及設備

在審

• 申請?zhí)枺?/td>: 201910615214.2
• 申請日: 2019-07-09
• 公開（公告）號: CN110322073A
• 公開（公告）日: 2019-10-11
• 發(fā)明（設計）人: 鄭楷洪;肖勇;楊勁鋒;錢斌
• 申請（專利權）人: 南方電網(wǎng)科學研究院有限責任公司;中國南方電網(wǎng)有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04
• 代理公司: 北京集佳知識產(chǎn)權代理有限公司 11227
• 代理人: 侯珊

1.一種基于循環(huán)神經(jīng)網(wǎng)絡的電力負荷預測方法，其特征在于，所述電力負荷預測方法包括：

獲取預存的電力負荷數(shù)據(jù)集；

將所述電力負荷數(shù)據(jù)集從最底層循環(huán)神經(jīng)網(wǎng)絡依次經(jīng)過設置有不同跳躍連接的各層循環(huán)神經(jīng)網(wǎng)絡，分別得到各層所述循環(huán)神經(jīng)網(wǎng)絡在預設時長內(nèi)最后預設時刻的隱層狀態(tài)；其中，每層循環(huán)神經(jīng)網(wǎng)絡所述預設時長內(nèi)各預設時刻的輸出為下一層循環(huán)神經(jīng)網(wǎng)絡對應時刻的輸入；每層循環(huán)神經(jīng)網(wǎng)絡各預設時刻的輸出為當前時刻隱層狀態(tài)與當前層循環(huán)神經(jīng)網(wǎng)絡輸出權重矩陣的乘積；

分別將各層所述循環(huán)神經(jīng)網(wǎng)絡在所述預設時長內(nèi)最后預設時刻的隱層狀態(tài)輸入到全連接網(wǎng)絡，得到所述電力負荷數(shù)據(jù)集的融合特征；

利用所述融合特征預測下一預設時刻的電力負荷值。

2.根據(jù)權利要求1所述的電力負荷預測方法，其特征在于，當所述電力負荷數(shù)據(jù)集中的電力負荷數(shù)據(jù)的數(shù)量級或量綱不一致時，在獲取預存的電力負荷數(shù)據(jù)集之后，將所述電力負荷數(shù)據(jù)集從最底層循環(huán)神經(jīng)網(wǎng)絡依次經(jīng)過設置有不同跳躍連接的各層循環(huán)神經(jīng)網(wǎng)絡之前，還包括：

對所述電力負荷數(shù)據(jù)集中的各所述電力負荷數(shù)據(jù)進行歸一化操作。

3.根據(jù)權利要求1或2所述的電力負荷預測方法，其特征在于，在利用所述融合特征預測下一預設時刻的電力負荷值之后，還包括：

獲取下一預設時刻的真實電力負荷值；

利用所述真實電力負荷值和預測出的電力負荷值檢驗預測過程所用電力負荷預測模型的有效性。

4.根據(jù)權利要求3所述的電力負荷預測方法，其特征在于，利用所述真實電力負荷值和預測出的電力負荷值檢驗預測過程所用電力負荷預測模型的有效性，包括：

計算預定數(shù)量個不同預設時刻的真實電力負荷值和分別對應的預測電力負荷值的均方根誤差；

利用所述均方根誤差檢驗所述電力負荷預測模型的有效性。

5.根據(jù)權利要求4所述的電力負荷預測方法，其特征在于，在計算預定數(shù)量個不同預設時刻的真實電力負荷值和分別對應的預測電力負荷值的均方根誤差之后，還包括：

根據(jù)所述均方根誤差對各層所述循環(huán)神經(jīng)網(wǎng)絡的參數(shù)進行梯度下降操作。

6.一種基于循環(huán)神經(jīng)網(wǎng)絡的電力負荷預測裝置，其特征在于，所述電力負荷預測裝置包括：

數(shù)據(jù)集獲取模塊，用于獲取預存的電力負荷數(shù)據(jù)集；

隱層狀態(tài)獲得模塊，用于將所述電力負荷數(shù)據(jù)集從最底層循環(huán)神經(jīng)網(wǎng)絡依次經(jīng)過設置有不同跳躍連接的各層循環(huán)神經(jīng)網(wǎng)絡，分別得到各層所述循環(huán)神經(jīng)網(wǎng)絡最后預設時刻的隱層狀態(tài)；其中，每層循環(huán)神經(jīng)網(wǎng)絡預設時長內(nèi)各預設時刻的輸出為下一層循環(huán)神經(jīng)網(wǎng)絡對應時刻的輸入；每層循環(huán)神經(jīng)網(wǎng)絡各預設時刻的輸出為當前時刻隱層狀態(tài)與當前層循環(huán)神經(jīng)網(wǎng)絡輸出權重矩陣的乘積；

融合特征獲得模塊，用于分別將各層所述循環(huán)神經(jīng)網(wǎng)絡在所述預設時長內(nèi)最后預設時刻的隱層狀態(tài)輸入到全連接網(wǎng)絡，得到所述電力負荷數(shù)據(jù)集的融合特征；

電力負荷值預測模塊，用于利用所述融合特征預測下一預設時刻的電力負荷值。

7.根據(jù)權利要求6所述的電力負荷預測裝置，其特征在于，還包括：

歸一化模塊，用于當所述電力負荷數(shù)據(jù)集中的電力負荷數(shù)據(jù)的數(shù)量級或量綱不一致時，在獲取預存的電力負荷數(shù)據(jù)集之后，將所述電力負荷數(shù)據(jù)集從最底層循環(huán)神經(jīng)網(wǎng)絡依次經(jīng)過設置有不同跳躍連接的各層循環(huán)神經(jīng)網(wǎng)絡之前，對所述電力負荷數(shù)據(jù)集中的各所述電力負荷數(shù)據(jù)進行歸一化操作。

8.根據(jù)權利要求6或7所述的電力負荷預測裝置，其特征在于，還包括：

真實值獲取模塊，用于在利用所述融合特征預測下一預設時刻的電力負荷值之后，獲取下一預設時刻的真實電力負荷值；

有效性檢驗模塊，用于利用所述真實電力負荷值和預測出的電力負荷值檢驗預測過程所用電力負荷預測模型的有效性。