[發明專利]一種基于遞歸神經網絡的長短期記憶模型來預測短期電力負荷的系統模型

在審

• 申請號: 202010116061.X
• 申請日: 2020-02-25
• 公開（公告）號: CN111210091A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 胡炳謙;顧一峰;周浩;韓俊
• 申請（專利權）人: 上海積成能源科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于遞歸神經網絡的長短期記憶模型來預測短期電力負荷的系統模型其特征在于，包括：

步驟一、數據準備：，表示用來預測短期電力負荷的輸入數據，包括分別為,歷史每小時的溫度,濕度，風速，日照，當前小時，是否節日和或周末，前24小時的負荷平均值，前一周的負荷平均值，表示電力負荷，也就是實際值,表示數據量；

步驟二、搭建長短期記憶模型，其中單元格如圖3所示；

步驟三、其中, 為輸入量，為預測量，為隱藏信息量，以及為信息記憶量，為忘記門，作用在于選擇是否忘記過去的某些信息：

；

步驟四、 為候選值,其包含來自當前的信息，該信息可以存儲在當前單元格狀態中，它的值取決于更新門：

；

步驟五、為更新門：作用在于決定是否存儲到：

；

步驟六、為記憶空間, 這部分內容將傳導到下一個模型單元：

；

步驟七、為輸出門：

；

步驟八、為隱藏單元，它的值將傳遞給下一個單元，

最后為預測值；

步驟九、模型的時間步長定義了希望模型看到的多少時間單位，在本發明的模型中，我們選取了24*7小時作為時間步長，即，調查一周的數據來以預測下一個時段的風電出力，t為 168，模型示意圖如圖4所示；

步驟十、在模型訓練中，由于如果使用非常小的批次樣本數會提高訓練速度，但是為降低模型的歸納能力，而另一方面，使用大的批處樣本數會使得模型歸納到不同數據的能力，但是會導致運算負擔加重，并且還會占用更多內存，所以模型訓練的樣本數一次性選取100個，也就是每一百個訓練樣本更新一次權重值，最后輸出預測結果。