[發明專利]一種基于LSTM-RNN的冷熱電聯供系統負荷預測方法及系統

在審

• 申請號: 201910898056.6
• 申請日: 2019-09-23
• 公開（公告）號: CN110619389A
• 公開（公告）日: 2019-12-27
• 發明（設計）人: 李珂;李淑珍;張承慧;孫蕓馨;嚴毅
• 申請（專利權）人: 山東大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06Q10/04;G06Q50/06
• 代理公司: 37221 濟南圣達知識產權代理有限公司
• 代理人: 黃海麗

1.一種基于LSTM-RNN的冷熱電聯供系統負荷預測方法，其特征在于，包括以下步驟：

接收熱負荷、冷負荷以及電負荷歷史數據；

根據歷史數據某一時刻與其之前多個時刻之間的相關性確定輸入數據所采用的時間段；

根據熱負荷、冷負荷以及電負荷歷史數據兩兩之間的相關系數確定輸入輸出數據；

將訓練集輸入長短期記憶循環神經網絡，訓練負荷預測網絡模型；

基于所述負荷預測網絡模型進行負荷預測。

2.如權利要求1所述的冷熱電聯供系統負荷預測方法，其特征在于，確定輸入數據所采用的時間段包括：

計算歷史數據某一時刻與其之前多個時刻之間的自相關系數和偏相關系數，確定自相關系數絕對值均大于設定閾值的連續時間段，以及偏相關系數絕對值均大于設定閾值的連續時間段；

選取兩個時間段中重疊的時間段作為輸入數據所采用的時間段。

3.如權利要求1所述的冷熱電聯供系統負荷預測方法，其特征在于，確定輸入輸出數據后，還對輸入輸出數據執行預處理：采用零均值歸一化將數據進行標準化。

4.如權利要求2所述的冷熱電聯供系統負荷預測方法，其特征在于，所述訓練集選取方法為：定義輸入數據所采用的時間段為預測周期，多個連續預測周期構成一組訓練數據，選取的所述訓練集由多組連續的訓練數據組成。

5.如權利要求4所述的冷熱電聯供系統負荷預測方法，其特征在于，訓練負荷預測網絡模型包括：

將訓練集中的各組訓練數據按時間順序依次輸入到長短期記憶循環神經網絡的輸入層進行迭代訓練，直至網絡收斂；

網絡收斂后基于測試集進行誤差預測，進行參數優化，直至誤差達到最小。

6.如權利要求5所述的冷熱電聯供系統負荷預測方法，其特征在于，所述長短期記憶循環神經網絡包括輸入層、隱藏層和輸出層，其中，隱藏層包括一個sigmoid神經網絡層和一個乘法結構。

7.一種基于LSTM-RNN的冷熱電聯供系統負荷預測系統，其特征在于，包括：

數據獲取模塊，接收熱負荷、冷負荷以及電負荷歷史數據；

相關分析模塊，根據歷史數據某一時刻與其之前多個時刻之間的相關性確定輸入數據所采用的時間段；根據熱負荷、冷負荷以及電負荷歷史數據兩兩之間的相關系數確定輸入輸出數據；

模型訓練模塊，將訓練集輸入長短期記憶循環神經網絡，訓練負荷預測網絡模型；

負荷預測模塊，基于所述負荷預測網絡模型進行負荷預測。

8.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-6任一項所述基于LSTM-RNN的冷熱電聯供系統負荷預測方法。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-6任一項所述基于LSTM-RNN的冷熱電聯供系統負荷預測方法。