公开(公告)号：CN111932402A

公开(公告)日：2020-11-13

申请号：CN202010810359.0

申请日：2020-08-13

Applicant: 河南理工大学

Inventor： 王瑞 ,  逯静 ,  闫方 ,  陈诗雯 ,  高强

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

Abstract: 本发明公开了一种基于相似日和LSTM的短期电力负荷双向组合预测方法，包括以下步骤:S1，将历史日中的影响因素作归一化处理；S2，采用灰色关联分析法在不同范围的历史日中按照关联度大小确定相似日；S3，数据集确定；S4，横向输入矩阵和纵向输入矩阵的建立；S5，将横向输入矩阵和纵向输入矩阵输入到LSTM模型中做横向预测和纵向预测；S6，组合预测；本发明通过相似日选择降低了气象因素、日类型因素等对负荷数据的影响，提高了训练集的质量，对每个采样点进行横向预测与纵向预测之后，使用最小方差法优化其权重系数，既考虑到了数据的时序性与非线性，又考虑到了数据的周期性与非线性。

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：CN111932402B

公开(公告)日：2023-05-30

申请号：CN202010810359.0

申请日：2020-08-13

Applicant: 河南理工大学

Inventor： 王瑞 ,  逯静 ,  闫方 ,  陈诗雯 ,  高强

IPC: G06Q50/06 ,  G06Q10/04 ,  G06N3/0442 ,  G06N3/08

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。