[发明专利]基于LSTM神经网络的电力负荷预测方法、装置及系统

权利要求书

1.一种基于LSTM神经网络的电力负荷预测方法，其特征在于，包括以下步骤：

获取本地超参数，以及预设时段内的各电力设备负荷数据，所述本地超参数为用于训练所述电力设备负荷数据后的神经网络超参数；

基于对应所述电力设备负荷数据的身份信息，将各所述电力设备负荷数据分类为若干个负荷数据集；

开启预设数量的线程，并基于各所述线程分别读取相应的所述负荷数据集；

基于预先搭建的LSTM神经网络模型，通过各所述线程分别处理相应的所述负荷数据集和所述本地超参数，得到电力负荷预测数据。

2.根据权利要求1所述的LSTM神经网络的电力负荷预测方法，其特征在于，所述获取本地超参数的步骤包括：

查询所属数据库中对应电力设备编号文件的本地超参数；

根据查询的结果，读取对应所述电力设备编号文件的所述本地超参数。

3.根据权利要求1所述的LSTM神经网络的电力负荷预测方法，其特征在于，所述基于各所述线程分别读取相应的所述负荷数据集的步骤包括：

分别对各所述负荷数据集进行数据预处理，得到预处理后的各所述负荷数据集；

基于各所述线程分别读取相应的预处理后的所述负荷数据集。

4.根据权利要求1所述的LSTM神经网络的电力负荷预测方法，其特征在于，所述基于预先搭建的LSTM神经网络模型，通过各所述线程分别处理相应的所述负荷数据集和所述本地超参数，得到电力负荷预测数据的步骤之后包括：

基于所述LSTM神经网络模型对所述本地超参数进行训练，得到训练后超参数；

将所述本地超参数更新为所述训练后超参数。

5.根据权利要求1所述的LSTM神经网络的电力负荷预测方法，其特征在于，还包括步骤：

在所述线程处理预设数量的所述负荷数据集后，关闭所述线程；并重新开启所述线程进行下一轮处理。

6.根据权利要求1所述的LSTM神经网络的电力负荷预测方法，其特征在于，所述基于预先搭建的LSTM神经网络模型，通过各所述线程分别处理相应的所述负荷数据集和所述本地超参数，得到电力负荷预测数据的步骤之后还包括：

建立对应所述线程的全局数组；

并将对应所述线程的所述电力负荷预测数据缓存在相应的所述全局数组。

7.根据权利要求1至6任一项所述的LSTM神经网络的电力负荷预测方法，其特征在于，所述负荷数据集包括至少一个所述电力设备负荷数据。

8.一种LSTM神经网络的电力负荷预测装置，其特征在于，包括：

数据获取单元，用于获取本地超参数，以及预设时段内的各电力设备负荷数据，所述本地超参数为用于训练所述电力设备负荷数据后的神经网络超参数；

数据集划分单元，用于基于对应所述电力设备负荷数据的身份信息，将各所述电力设备负荷数据分类为若干个负荷数据集；

线程开启单元，用于开启预设数量的线程，并基于各所述线程分别读取相应的所述负荷数据集；

负荷预测单元，用于基于预先搭建的LSTM神经网络模型，通过各所述线程分别处理相应的所述负荷数据集和所述本地超参数，得到电力负荷预测数据。

9.一种LSTM神经网络的电力负荷预测系统，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述LSTM神经网络的电力负荷预测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的LSTM神经网络的电力负荷预测方法的步骤。