[发明专利]基于改进Adam算法优化深度神经网络的电价预测方法

权利要求书

1.一种基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，包括以下步骤：

(S1)获取电力系统中电价及其影响因子的相关数据作为样本数据；

(S2)对电力系统中电价及其影响因素的相关数据进行归一化预处理；

(S3)确定神经网络的输入模式、输出模式、隐藏层层数、隐藏层神经元数、隐藏层传递函数、输出层传递函数与损失函数；对传统的Adam算法进行改进，并用改进后的Adam算法优化深度神经网络模型；

(S4)以与实际电价相关性大的影响因子作为输入量，预测电价作为输出量，基于改进Adam算法训练深度神经网络模型，优化深度神经网络模型参数；

(S5)用所述最终优化后的深度神经网络模型处理电力系统中不同节点的电价影响因子数据，预测不同节点实时电价。

2.根据权利要求1所述的基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，步骤(S1)中，数据分区处理应根据负荷实际地理位置以及当地电网管理系统中相关用电数据对用电区域进行划分，将用电区域划分为工业区、商业区、居民区和公共活动区四个区域，然后对划分后的各区域进行数据的整合与处理，并且将处理好的数据传入数据库中进行存储。

3.根据权利要求1所述的基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，步骤(S1)中，获取的数据主要指所属区域的历史电价数据、历史负荷数据和相关天气数据等。

4.根据权利要求1所述的基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，步骤(S1)中，利用灰色关联分析法分析实时电价和其他指标的相关性。

5.根据权利要求1所述的基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，步骤(S2)中，对各指标的历史数据进行归一化处理，所述归一化预处理所采用的公式为其中，x^*代表归一化后的样本值，μ代表样本均值，σ代表样本标准差。

6.根据权利要求1所述的基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，步骤(S3)中，深度神经网络模型的输入变量为历史负荷数据和相关天气数据等影响因子数据，深度神经网络模型的输出变量为预测电价。

7.根据权利要求1所述的基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，步骤(S3)中，深度学习技术可分为以下3个步骤：利用权重进行参数化、利用损失函数衡量输出质量和利用损失值调节权重。

8.根据权利要求1所述的基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，步骤(S3)中，深度神经网络模型的内部可以分为三类：输入层、隐层和输出层。假设第l层有n_l个神经元，这些神经元输入组成的向量为z^l,输出组成的向量为h^l，令u＝h^l以区分最终输出与隐层的输出，据深度神经网络计算规则有：

z^l＝W^lz^l-1+b^l,l＝1,2,…,L…，L

h^l＝f_l(z^l)

式中：为第l-1层到第l层的权值矩阵，为第l层的偏置向量，f_l为第l层的激活函数。

9.根据权利要求1所述的基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，步骤(S4)中，改进的Adam算法是将动量思想融入到Adam算法中，更加稳定，收敛速度更快。

10.根据权利要求1所述的基于改进Adam算法优化深度神经网络的电价预测方法，其特征在于，步骤(S5)中，基于归一化后的训练数据集，基于改进Adam算法训练神经网络模型。