公开(公告)号：CN111105104A

公开(公告)日：2020-05-05

申请号：CN202010104278.9

申请日：2020-02-20

Applicant: 河南理工大学

Inventor： 王瑞 ,  逯静 ,  孙忆枫 ,  王福忠 ,  韩素敏

IPC: G06Q10/04 ,  G06Q50/06 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于相似日和RBF神经网络的短期电力负荷预测方法，涉及电力负荷预测领域，短期电力负荷预测中选取合适的相似日作为训练样本可以简化训练过程并提高预测精度，为了减小夏季积温效应对相似日选取的影响，本发明通过将温度和其他负荷影响因素分别计算相似度，从而根据计算得到的综合相似度来选取相似日，此外，为了提高RBF神经网络的预测效果，将训练样本先用减聚类进行聚类，根据聚类结果设置模糊c-means聚类的初值，运用模糊c-means聚类来优化RBF神经网络的隐含层参数，最后结合相似日和改进RBF神经网络进行短期电力负荷预测，本发明可以明显提高短期电力负荷预测的准度。

公开(公告)号：CN109376921A

公开(公告)日：2019-02-22

申请号：CN201811197252.2

申请日：2018-10-15

Applicant: 河南理工大学

Inventor： 王瑞 ,  逯静 ,  陈诗雯 ,  周晨曦 ,  王强强 ,  高强 ,  孙忆枫 ,  杨炜炜 ,  闫方

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/12 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于遗传人工鱼群优化RBF神经网络短期负荷预测方法，引入了遗传算法的相关操作，来求得全局最优极值，而不是局部极值，改善了人工鱼群算法的寻优性能；并将改进的算法应用到RBF神经网络模型，RBF神经网络无负反馈调节过程，具有最佳的逼近性能和全局最优特性，并依此模型对短期电力负荷预测。本发明的预测方法，避免了人工鱼群算法在寻优过程中产生的方向性差和容易陷入僵局的问题，通过实验验证，本发明提出的预测模型误差更小，预测的精度更高，更加接近实际电力负荷。

公开(公告)号：CN109002942A

公开(公告)日：2018-12-14

申请号：CN201811144421.6

申请日：2018-09-28

Applicant: 河南理工大学

Inventor： 王瑞 ,  逯静 ,  王强强 ,  周晨曦 ,  陈诗雯 ,  杨炜炜 ,  高强 ,  孙忆枫 ,  闫方

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/02

Abstract: 本发明公开了一种基于随机神经网络的短期负荷预测方法，包括以下步骤：Step1数据预处理；Step2确定神经网络模型隐藏层数、每层节点数、学习目标、训练次数、学习速率，激活函数等；Step3确定随机神经网络模型batch大小，把Step1归一化的数据输入到Step2生成的神经网络，计算神经网络的输出值；Step4：计算神经网络输出值与目标值的损失函数，并且采用Adam优化算法，对神经网络模型参数更新；Step5：计算全部训练数据集在Step4参数更新后的损失函数；如果当前损失函数小于保存的最小损失函数，则说明模型参数更优，更新保存的模型和最小损失函数值，否则跳过Step5。