发明名称 |
一种基于深度自编码网络的短期电力负荷预测方法 |
摘要 |
一种基于深度自编码网络的短期电力负荷预测方法,首先,基于自动编码器,结合包括气温、日期和历史负荷的负荷相关因素,构建深度自编码网络负荷预测模型;其次,通过对包括气温、日期和历史负荷值的数据结构化和标准化处理构成样本矩阵,即通过模糊化处理、编码、归一化处理的方法形成的样本矩阵为大容量结构化矩阵;再次,采用无监督和有监督两种训练方式结合的训练方法对模型进行训练,通过调节相关参数和控制迭代次数实现全局最优;最后,通过同时选取相对误差和平均绝对误差两个指标对短期电力负荷预测结果进行分析,评估模式的可行性及最优参数可行域。 |
申请公布号 |
CN106447133A |
申请公布日期 |
2017.02.22 |
申请号 |
CN201610955493.3 |
申请日期 |
2016.11.03 |
申请人 |
上海交通大学 |
发明人 |
罗伯特·才明·邱;石鑫;储磊;贺兴;林泽南;刘海春 |
分类号 |
G06Q10/04(2012.01)I;G06Q50/06(2012.01)I |
主分类号 |
G06Q10/04(2012.01)I |
代理机构 |
上海伯瑞杰知识产权代理有限公司 31227 |
代理人 |
孟旭彤 |
主权项 |
一种基于深度自编码网络的短期电力负荷预测方法,其特征在于,包括以下步骤:首先,基于自动编码器,结合包括气温、日期和历史负荷的负荷相关因素,构建深度自编码网络负荷预测模型;其次,通过对包括气温、日期和历史负荷值的数据结构化和标准化处理构成样本矩阵,即通过模糊化处理、编码、归一化处理的方法形成的样本矩阵为大容量结构化矩阵;再次,采用无监督和有监督两种训练方式结合的训练方法对模型进行训练,通过调节相关参数和控制迭代次数实现全局最优;最后,通过同时选取相对误差和平均绝对误差两个指标对短期电力负荷预测结果进行分析,评估模式的可行性及最优参数可行域。 |
地址 |
200240 上海市闵行区东川路800号 |