[发明专利]基于长短期记忆神经网络的综合能源系统多元负荷预测方法

权利要求书

1.一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，其特征在于，包括以下步骤：

(1)获取源荷时空序列数据的特征因子集；

(2)采用互信息理论选取输入变量；

(3)设置初始特征集合为空集，对排序的输入变量集合通过前向搜索策略逐个添加变量至已选特征集合并建立预测模型，通过比较预测误差大小，确定最优的输入变量；

(4)在选取最优输入变量集合的基础上，建立基于长短期记忆神经网络的综合能源系统多元负荷预测模型。

2.根据权利要求1所述的一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，其特征在于，所述步骤(1)包括以下步骤：

(11)获取负荷数据；

(12)对步骤(11)的负荷数据进行预处理，补充缺漏的数据，剔除异常数据，得到特征因子集。

3.根据权利要求1所述的一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，其特征在于，所述步骤(2)包括以下步骤：

(21)计算待预测时刻前1时刻至前168个时刻负荷与待预测时刻的互信息值：

(22)随机变量X、Y间的互信息I(X,Y)可以定义为：

式中，p(x,y)是X和Y的联合概率分布函数，p(x)和p(y)分别是X和Y的边缘概率分布函数；

(23)根据步骤(21)得到的结果运用最大相关最小冗余算法选取输入变量。

4.根据权利要求1所述的一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，其特征在于，步骤(3)所述的预测误差可通过以下，公式实现：

式中，n为测试样本中数据样本的个数，y_i和分别为原样本数据和补入的数据。

5.根据权利要求3所述的一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，其特征在于，所述步骤(23)通过以下公式实现：

最大相关测度指标为：

式中，S是特征x的集合，c是分类目标，I(x_i；c)是特征x_i和类c间的互信息；

最小冗余测度指标为：

式中，I(x_i；x_j)是特征x_i和特征x_j间的互信息；

最大相关最小冗余(mRMR)算法标准：

式中，S是特征x的集合，c是分类目标，I(x_i；c)是特征x_i和类c间的互信息，I(x_i；x_j)是特征x_i和特征x_j间的互信息；

如果使用增量搜索方法，转化成优化问题：

式中，S_m-1是已选择特征x_i的集合，X-S_m-1是剩下的特征空间，I(x_j；c)是剩下的特征x_j和类c间的互信息，I(x_j,x_i)是特征x_j和特征x_i间的互信息。