[發明專利]一種基于氣象參數的DLSTM電力負荷預測方法和裝置

在審

• 申請號: 202110448184.8
• 申請日: 2021-04-25
• 公開（公告）號: CN113051837A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 龔鋼軍;孟芷若;馬洪亮;武昕;文亞鳳;陸俊;蘇暢
• 申請（專利權）人: 華北電力大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 張雪

1.一種基于氣象參數的DLSTM電力負荷預測的方法，其特征在于，包括：

步驟1、獲取與電力負荷預測工作有關的歷史數據，通過構建數據集，對其進行預處理；

步驟2、搭建基于DLSTM神經網絡的電力負荷預測模型，利用預處理后的數據集訓練所述電力負荷預測模型；

步驟3、根據所述訓練好的電力負荷預測模型，對獲取的實時數據進行電力負荷預測。

2.如權利要求1所述的基于氣象參數的DLSTM電力負荷預測的方法，其特征在于，步驟1中，所述數據集包括每小時的氣溫、露點溫度、相對濕度、云量、風速和降雨量。

3.如權利要求2所述的基于氣象參數的DLSTM電力負荷預測的方法，其特征在于，設所有特征變量的歷史數據集為V，則數據集表示為：

V＝[V₁ V₂ V₃ …V_k…V_m]

其中，V_k表示第k個特征變量，m為負荷預測所考慮的特征變量維數，1≤k≤m；

第k個特征變量V_k進一步的表示為

其中，表示第k個特征變量第j個時間點的歷史數據，n為特征變量V_k的時間長度，1≤j≤n。

4.如權利要求3所述的基于氣象參數的DLSTM電力負荷預測的方法，其特征在于，步驟1中，數據預處理如下：

設標準處理過后的第k維數據表示為V’_k，進一步第k維數據特征變量的第j個時間點的歷史數據表示為：

其中，σ表示特征變量的方差，μ表示特征變量的均值，1≤j≤n；

對標準化后的數據進行幀格化，設其滑動窗口的長度為m，將所得作為模型的一個訓練樣本；將處理后的數據集設為A，第i個訓練樣本的表示如下：

設測試樣本的總數為a，那么滑動窗口的長度1ma。

設數據集對應的負荷值為Y，那么DLSTM神經網絡的嵌入維輸入數據集為：

D＝[A Y]。

5.如權利要求1所述的基于氣象參數的DLSTM電力負荷預測的方法，其特征在于，步驟2中，所述DLSTM神經網絡由多層LSTM神經網絡進行順序堆疊構成的神經網絡；所述LSTM包括輸入門i^(t)、遺忘門f^(t)以及輸出門o^(t)，t為時間節點，當前時刻神經元的內部狀態表示為h^(t)，當前時刻的外部狀態表示為c^(t)，當前時刻的外部輸入表示為x^(t)，激活層函數表示為σ；DLSTM神經網絡每一層網絡的隱藏層的輸出為下一層網絡的輸入；設DLSTM神經網絡的層數為Υ，則Υ層DLSTM神經網絡的狀態更新方式如下表示：

其中，b為偏移項；W_i，Υ，W_f，Υ，W_o，Υ，W_c，Υ表示與當前輸入的負荷數據的連接權重；V_i，Υ，V_f，Υ，V_o，Υ，V_c，Υ表示與前一時刻輸出的負荷數據的連接權重；下標i,f,o分別對應輸入門、遺忘門、輸出門，下標c對應外部狀態；表示內積運算；σ表示的是sigmod函數。