基于长短时记忆神经网络的电力负荷预测方法[发明专利]
来源：华拓网
专利内容由知识产权出版社提供
专利名称：基于长短时记忆神经网络的电力负荷预测方法专利类型：发明专利
发明人：杨延东,邓力,李书芳,张贯京,葛新科申请号：CN201710136492.0申请日：20170308公开号：CN106960252A公开日：20170718
摘要：本发明公开一种基于长短时记忆神经(LSTM)网络的电力负荷预测方法，该方法包括步骤：通过输入单元输入历史时刻的电力负荷数据和区域特征因素；采用LSTM网络对历史时刻的电力负荷数据和区域特征因素进行训练建模，以生成深度神经网络负荷预测模型，该深度神经网络负荷预测模型为用于供电负荷预测的单层多任务深度神经网络模型或双层多任务深度神经网络模型；利用深度神经网络负荷预测模型对所需预测区域内的电力负荷进行预测并产生该区域内的电力负荷预测结果；通过输出单元输出该区域内的电力负荷预测结果。本发明基于深度学习领域中的LSTM网络来构建多任务学习的电力负荷预测模型，能够精确预测出多区域的用电负荷，提升了预测效果。
申请人：深圳市景程信息科技有限公司
地址：518057 广东省深圳市粤海街道高新南七道数字技术园B1栋4楼B区
国籍：CN
更多信息请下载全文后查看
因篇幅问题不能全部显示，请点此查看更多更全内容