公开(公告)号：CN111783953B

公开(公告)日：2023-08-11

申请号：CN202010616978.6

申请日：2020-06-30

Applicant: 重庆大学

Inventor： 张程 ,  黄嘉豪 ,  曹宇佳 ,  陈自郁 ,  古平 ,  毛昕儒 ,  徐郁 ,  杨理

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/084 ,  G06N3/006 ,  H02J3/00

Abstract: 本发明提供了一种基于优化LSTM网络的24点电力负荷值7日预测方法，包含数据采集、数据分析及数据预处理；划分数据集为训练集和验证集；基于训练集，利用粒子群优化算法PSO对长短期记忆神经网络LSTM进行参数优化，确定适用在本发明的24点电力负荷预测中LSTM网络的隐含层节点数、学习率和迭代次数这三个参数的最优值，并将训练集作为输入，基于优化的LSTM网络来预测未来7日24点的电力负荷值，根据模型输出的电力负荷数据与验证集做比较，结合平均绝对误差MAE和均方根误差RMSE两个指标，得到模型的预测准确度。通过本发明的预测方法，提高了预测准确性和时效性，预测效果较现有电力负荷预测方法更好。

公开(公告)号：CN111783953A

公开(公告)日：2020-10-16

申请号：CN202010616978.6

申请日：2020-06-30

Applicant: 重庆大学

Inventor： 张程 ,  黄嘉豪 ,  曹宇佳 ,  陈自郁 ,  古平 ,  毛昕儒 ,  徐郁 ,  杨理

IPC: G06N3/04 ,  G06N3/08 ,  G06N3/00 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明提供了一种基于优化LSTM网络的24点电力负荷值7日预测方法，包含数据采集、数据分析及数据预处理；划分数据集为训练集和验证集；基于训练集，利用粒子群优化算法PSO对长短期记忆神经网络LSTM进行参数优化，确定适用在本发明的24点电力负荷预测中LSTM网络的隐含层节点数、学习率和迭代次数这三个参数的最优值，并将训练集作为输入，基于优化的LSTM网络来预测未来7日24点的电力负荷值，根据模型输出的电力负荷数据与验证集做比较，结合平均绝对误差MAE和均方根误差RMSE两个指标，得到模型的预测准确度。通过本发明的预测方法，提高了预测准确性和时效性，预测效果较现有电力负荷预测方法更好。

公开(公告)号：CN108549960A

公开(公告)日：2018-09-18

申请号：CN201810364330.7

申请日：2018-04-20

Applicant: 国网重庆市电力公司永川供电分公司 ,  重庆大学

Inventor： 毛昕儒 ,  周恬恬 ,  张程 ,  杨蕊 ,  杨理 ,  邹宇 ,  李成普 ,  李飞 ,  赵祥志 ,  谭应桃

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明提供了一种24小时电力负荷预测方法，包含数据采集及预处理，通过特征熵权值计算出的有效特征，结合窗口选取法选取固定时间内的24小时用电负荷情况作为DBN网络训练的输入数据，确定DBN网络结构和建立网络模型，通过DBN对网络模型进行训练和测试，输入预测日的特征值数据和窗口法选取的预测日前某几天一天中的24小时用电负荷值，得到预测日的电力负荷值结果，通过2层RBM网络层的预训练对权重进行合理的初始化，再通过BP网络层来调整，不会出现过拟合等缺点，采用特征熵权值法提取对电力负荷有影响的因素并计算其相应的权值，量化各个因素得到对电力负荷的影响的权重，提出了窗口选取法，提高预测精准性，预测效果较现有电力负荷预测模型更好。