[发明专利]基于负荷预测的神经网络的在线和离线训练

权利要求书

1.一种电力系统中的能量管理方法，包括步骤：

用负荷数据训练离线神经网络；

用第一组在线预测的负荷值来训练离线神经网络；

用第一组在线预测的负荷值来预测第二组预测的负荷值；

用负荷数据训练在线神经网络；

用第三组在线预测的负荷值训练在线神经网络；

用第三组在线预测的负荷值来预测第四组在线预测的负荷值；

将第二组预测的负荷值与实际的负荷值相比较，如果第二组预测的负荷值与实际的负荷值之间的差异在可接受的范围内就增加第一计数器。

将第四组预测的负荷值与实际的负荷值相比较，如果第四组预测的负荷值与实际的负荷值之间的差异在可接受的范围内就增加第二计数器；并且

基于第一和第二计数器的值计算最终的负荷预测值。

2、如权利要求1的方法，进一步包含了比较第一和第二计数器的值的步骤，如果第一计数器的值大于第二计数器的值，就在在线神经网络上选择离线负荷预测方案；如果第二计数器的值大于第一计数器的值，就在在线神经网络上选择在线负荷预测方案。

3、如权利要求1的方法，其中训练离线神经网络的步骤包含计算负荷数据之间的负荷增量，和用负荷增量来训练离线神经网络的步骤。

4、如权利要求3的方法，其中训练离线神经网络的步骤包含对负荷增量标准化和利用标准化的负荷增量来训练离线神经网络的步骤。

5、如权利要求4的方法，其中利用负荷增量来训练离线神经网络的步骤包含利用负荷增量来计算第一组在线预测的负荷值的步骤。

6、如权利要求4的方法，其中对负荷增量标准化的步骤包含使用与在离线神经网络训练中计算的最佳匹配数据之间的标准偏差的步骤。

7、如权利要求1的方法，其中训练在线神经网络的步骤包含计算负荷数据间的负荷增量和利用负荷增量来训练在线神经网络的步骤。

8、如权利要求7的方法，其中训练在线神经网络的步骤包含使负荷增量标准化和使用标准化的负荷增量来训练在线神经网络的步骤。

9、如权利要求8的方法，其中使用负荷增量来训练在线神经网络的步骤包含使用负荷增量来计算第三组在线预测的负荷值的步骤。

10、如权利要求8的方法，其中使负荷增量标准化的步骤包含使用与在在线神经网络训练中计算的最佳匹配数据之间的标准偏差的步骤。

11、如权利要求10的方法，进一步包含使用梯度优化来训练在线神经网络的步骤。

12、如权利要求6的方法，进一步包含使用梯度优化来训练离线神经网络的步骤。

13、如权利要求2的方法，其中计算最后的负荷预测值的步骤包含分别对基于在线神经网络训练的在线预测的负荷值和基于离线网络训练的离线预测的负荷值产生精确度概率，其中相应的概率通过计算精确预测对精确预测总数的比例而产生。

14、如权利要求13的方法，进一步包含比较产生的概率和用最高的概率来选择负荷预测方案。

15、一种具有在其上存储了指令的计算机可读介质，当该指令被处理器执行时，使得该处理器执行步骤：

用负荷数据训练离线神经网络；

用第一组在线预测的负荷值来训练离线神经网络；

用第一组在线预测的负荷值来预测第二组预测的负荷值；

用负荷数据训练在线神经网络；

用第三组在线预测的负荷值训练在线神经网络；

用第三组在线预测的负荷值来预测第四组在线预测的负荷值；

将第二组预测的负荷值与实际的负荷值相比较，如果第二组预测的负荷值与实际的负荷值之间的差异在可接受的范围内就增加第一计数器。

将第四组预测的负荷值与实际的负荷值相比较，如果第四组预测的负荷值与实际的负荷值之间的差异在可接受的范围内就增加第二计数器；并且

基于第一和第二计数器的值计算最终的负荷预测值。