[发明专利]一种短期负荷预测方法、系统及相关装置

权利要求书

1.一种短期负荷预测方法，其特征在于，包括：

获取负荷历史数据中各个指标的指标参数；

将各个所述指标的所述指标参数输入预设BP神经网络模型，输出归一化后的各个所述指标的短期负荷预测结果；其中，所述预设BP神经网络模型的偏差值是由增加复杂度收敛项的偏差计算公式得出的，且所述偏差值不大于偏差收敛阈值。

2.根据权利要求1所述的短期负荷预测方法，其特征在于，所述将各个所述指标的所述指标参数输入预设BP神经网络模型，输出归一化后的各个所述指标的短期负荷预测结果，包括：

在对原始负荷训练数据进行数据归一化处理得到负荷训练数据后，利用所述负荷训练数据确定BP神经网络中各个神经元的连接权值和偏置量；

在将各个所述神经元的所述连接权值和所述偏置量代入对应的数值转换函数，得到第一BP神经网络模型后，将经过所述数据归一化处理得到的负荷验证数据输入所述第一BP神经网络模型，得到输出结果；

在利用各个所述神经元的所述连接权值和预设的权重系数，构建所述复杂度收敛项后，利用所述复杂度收敛项和原始偏差计算公式，确定所述偏差计算公式；

在将所述负荷验证数据和所述输出结果代入所述偏差计算公式，得到所述偏差值后，判断所述偏差值是否大于所述偏差收敛阈值；

若否，则将所述第一BP神经网络模型确定为所述预设BP神经网络模型；

将各个所述指标的所述指标参数输入所述预设BP神经网络模型，输出归一化后的各个所述指标的所述短期负荷预测结果。

3.根据权利要求2所述的短期负荷预测方法，其特征在于，若判断出所述偏差值大于所述偏差收敛阈值，包括：

根据修正公式对所述第一BP神经网络模型的各个所述神经元的所述连接权值和所述偏置量进行修正操作，得到对应的连接权修正值和偏置量修正值。

4.根据权利要求2所述的短期负荷预测方法，其特征在于，所述在对原始负荷训练数据进行数据归一化处理得到负荷训练数据后，利用所述负荷训练数据确定BP神经网络中各个神经元的连接权值和偏置量，包括：

根据线性转换公式对所述原始负荷训练数据进行数据归一化处理，得到所述负荷训练数据；

利用所述负荷训练数据确定所述BP神经网络中各个所述神经元的所述连接权值和所述偏置量。

5.一种短期负荷预测系统，其特征在于，包括：

指标参数获取模块，用于获取负荷历史数据中各个指标的指标参数；

短期负荷预测结果输出模块，用于将各个所述指标的所述指标参数输入预设BP神经网络模型，输出归一化后的各个所述指标的短期负荷预测结果；其中，所述预设BP神经网络模型的偏差值是由增加复杂度收敛项的偏差计算公式得出的，且所述偏差值不大于偏差收敛阈值。

6.根据权利要求5所述的短期负荷预测系统，其特征在于，所述短期负荷预测结果输出模块，包括：

连接权值和偏置量确定单元，用于在对原始负荷训练数据进行数据归一化处理得到负荷训练数据后，利用所述负荷训练数据确定BP神经网络中各个神经元的连接权值和偏置量；

结果输出单元，用于在将各个所述神经元的所述连接权值和所述偏置量代入对应的数值转换函数，得到第一BP神经网络模型后，将经过所述数据归一化处理得到的负荷验证数据输入所述第一BP神经网络模型，得到输出结果；

偏差计算公式确定单元，用于在利用各个所述神经元的所述连接权值和预设的权重系数，构建所述复杂度收敛项后，利用所述复杂度收敛项和原始偏差计算公式，确定所述偏差计算公式；

判断单元，用于在将所述负荷验证数据和所述输出结果代入所述偏差计算公式，得到所述偏差值后，判断所述偏差值是否大于所述偏差收敛阈值；

预设BP神经网络模型确定单元，用于若所述偏差值不大于所述偏差收敛阈值，则将所述第一BP神经网络模型确定为所述预设BP神经网络模型；

短期负荷预测结果输出单元，用于将各个所述指标的所述指标参数输入所述预设BP神经网络模型，输出归一化后的各个所述指标的所述短期负荷预测结果。