[發明專利]一種基于多目標LSTM集成網絡的短期負荷預測方法在審
| 申請號： | 202110674790.1 | 申請日： | 2021-06-17 |
| 公開（公告）號： | CN113283179A | 公開（公告）日： | 2021-08-20 |
| 發明（設計）人： | 易靈芝;李云帆;范朝冬;楊樂;陳才學;朱江 | 申請（專利權）人： | 湘潭大學 |
| 主分類號： | G06F30/27 | 分類號： | G06F30/27;G06N3/04;G06N3/08;G06N3/12;G06F111/06;G06F113/04 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 411105 *** | 國省代碼： | 湖南;43 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 多目標 lstm 集成 網絡 短期 負荷 預測 方法 | ||
【權利要求書】：
1.一種基于多目標LSTM集成網絡的短期電力負荷預測方法，包括以下步驟：
通過MOEA/D優化算法生成多個LSTM子模型，并對子模型的準確性和多樣性進行優化；
通過基于非支配排序和擁擠度計算的第二階段篩選對子模型進行第二階段優化；
使用基于DBN的組合輸出策略對子模進行集成輸出，得到最后的預測結果。
2.根據權利要求1所述的基于MOEA/D優化算法子模型生成策略和基于DBN組合輸出策略的LSTM集成負荷預測方法，其特征在于：以LSTM單元內各個門級的初始權重，學習率和隱藏節點數作為MOEA/D優化算法的決策空間，以LSTM網絡的準確性和多樣性作為MOEA/D優化算法的目標空間進行子模型優化，在提升子模型準確性的同時保證子模型的多樣性；通過第二階段擇優，去除掉優化結果中存在問題的個體，為集成輸出提供最合適的子模型；使用基于DBN的組合輸出策略對子模型進行集成輸出，通過DBN網絡強大的非線性學習能力，提取出每一個子模型的優點并且避開其缺點。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于湘潭大學，未經湘潭大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110674790.1/1.html，轉載請聲明來源鉆瓜專利網。
