一种基于LSTM神经网络的建筑物电负荷综合预测方法及系统

    公开(公告)号:CN111563610B

    公开(公告)日:2023-07-18

    申请号:CN202010237534.1

    申请日:2020-03-30

    Abstract: 本发明公开了一种基于LSTM神经网络的建筑物电负荷综合预测方法及系统,获取典型建筑物的负荷数据、天气参数以及建筑物数据并进行归一化处理;建立LSTM神经网络的电负荷预测模型,选择相似典型日的数据作为训练样本,训练数据包括训练日的天气因素、建筑物类型数据、负荷数据,在训练过程中以电负荷的误差最小为目标进行训练获得LSTM神经网络模型参数;输入待测建筑物的建筑物数据至训练好的LSTM神经网络的电负荷预测模型后,获得建筑物对应的典型日负荷曲线、月负荷曲线和年负荷曲线。基于LSTM神经网络的建筑负荷预测方法,综合考虑了建筑物的不同特点以及负荷波动变化情况实现楼宇建筑的高精度负荷预测,具有精度高、易实现的功能。

    基于人工智能的功率平衡发电机接入方案设计优选方法

    公开(公告)号:CN114977317A

    公开(公告)日:2022-08-30

    申请号:CN202210282878.3

    申请日:2022-03-22

    Abstract: 本发明提供了一种基于人工智能的功率平衡发电机接入方案设计优选方法,获取根据功率平衡发电机的类型以及功率平衡发电机的接入点得到的接入方案;基于折半查找法搜索各个接入方案下的极端运行方式集合;如果各个接入方案下的极端运行方式集合均为空集,以成本最低为目标进行接入方案选择;否则,对极端运行方式集合不为空集的接入方案基于改进粒子群优化算法进行参数优化;若参数优化后的接入方案下基于折半查找法搜索出来的极端运行方式集合仍不为空集,则舍弃此接入方案;否则,以成本最低为目标对所有极端运行方式集合为空集的接入方案进行选择;本发明通过搜索不同功率平衡发电机接入方案下的极端运行方式以及优化励磁器、调速器等控制器的参数优化,实现了最经济、合理和可靠的功率平衡发电机接入电力系统方案选择。

    一种基于LSTM神经网络的建筑物电负荷综合预测方法及系统

    公开(公告)号:CN111563610A

    公开(公告)日:2020-08-21

    申请号:CN202010237534.1

    申请日:2020-03-30

    Abstract: 本发明公开了一种基于LSTM神经网络的建筑物电负荷综合预测方法及系统,获取典型建筑物的负荷数据、天气参数以及建筑物数据并进行归一化处理;建立LSTM神经网络的电负荷预测模型,选择相似典型日的数据作为训练样本,训练数据包括训练日的天气因素、建筑物类型数据、负荷数据,在训练过程中以电负荷的误差最小为目标进行训练获得LSTM神经网络模型参数;输入待测建筑物的建筑物数据至训练好的LSTM神经网络的电负荷预测模型后,获得建筑物对应的典型日负荷曲线、月负荷曲线和年负荷曲线。基于LSTM神经网络的建筑负荷预测方法,综合考虑了建筑物的不同特点以及负荷波动变化情况实现楼宇建筑的高精度负荷预测,具有精度高、易实现的功能。

Patent Agency Ranking