公开(公告)号：CN119154259A

公开(公告)日：2024-12-17

申请号：CN202411158372.7

申请日：2024-08-22

Applicant: 南昌大学

Inventor： 刘明萍 ,  张海军 ,  杨鸿亮 ,  邓素辉 ,  王玉皞

IPC: H02J3/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084 ,  G06F18/15 ,  G06F18/2113 ,  G06F18/25 ,  G06Q10/04 ,  G06Q50/06 ,  G06N3/048

Abstract: 本发明公开了一种基于全新端到端的住宅电力负荷预测方法，包括：1）使用皮尔逊相关系数法对数据集进行特征筛选并作数据预处理，包括特征归一化和独热编码；2）按照8:1:1将预处理后的数据集划分为训练集、测试集和验证集；3）采用基于全新端到端网络模型对训练集数据提取特征，学习其数据分布及变化规律，构建深度学习神经网络模型；4）通过Adam算法，根据弹球损失函数进行反向传播训练模型参数；并根据验证集的损失值判断模型参数的训练效果；5）利用步骤S04中训练出的最优深度学习神经网络模型对短期住宅电力负荷进行预测，并验证网络模型的预测精度。本发明方法具有预测速度快、泛化能力好、预测结果准确度高的优点。