[发明专利]一种基于ResNet-LSTM的配电台区短期负荷预测方法及装置

权利要求书

1.一种基于ResNet-LSTM的配电台区短期负荷预测方法，其特征在于，具体包括如下步骤：

搭建第一ResNet-LSTM模型，所述ResNet-LSTM模型包括CNN层、LSTM层以及全连接层输出层；

对所述第一ResNet-LSTM模型添加注意力机制以获取第二ResNet-LSTM模型；

获取预处理的历史数据，并对所述第二ResNet-LSTM模型进行训练对所述以获取第三ResNet-LSTM模型；

将待预测的负荷数据属于所述三ResNet-LSTM模型中，并对所述待预测的负荷数据进行负荷预测。

2.根据权利要求1所述的方法，其特征在于，所述获取预处理的历史数据的步骤包括：

获取历史数据并对所述历史数据进行预处理以获取预处理的历史数据。

3.根据权利要求1所述的方法，其特征在于，所述对所述第二ResNet-LSTM模型进行训练对所述以获取第三ResNet-LSTM模型的步骤包括：

获取所述预处理的历史数据输出所述第二ResNet-LSTM模型并获取第一损失函数；

采用Adam算法对所述第二ResNet-LSTM模型的参数进行优化并获取第二损失函数；

判定第一损失函数是否小于第二损失函数；

若是，则获取未优化参数的所述第二ResNet-LSTM模型为所述第三ResNet-LSTM模型；

若否，则对所述未优化参数第二ResNet-LSTM模型的参数进行更新，以获取所述第三ResNet-LSTM模型，并执行所述获取所述预处理的历史数据输出所述第二ResNet-LSTM模型并获取第一损失函数的步骤。

4.根据权利要求1所述的方法，其特征在于，所述CNN层包括所第一BasicBlock残差基本模块、第二BasicBlock残差基本模块、第三BasicBlock残差基本模块以及第四BasicBlock残差基本模块；

所述第一BasicBlock残差基本模块、所述第二BasicBlock残差基本模块、所述第三BasicBlock残差基本模块以及所述第四BasicBlock残差基本模块依次相连；

所述第一BasicBlock残差基本模块包括3个第一BasicBlock残差基本子模块，所述第一BasicBlock残差基本子模块的卷积核数为64；

所述第二BasicBlock残差基本模块包括4个第二BasicBlock残差基本子模块，所述第二BasicBlock残差基本子模块的卷积核数为128；

所述第三BasicBlock残差基本模块包括6个第三BasicBlock残差基本子模块，所述第三BasicBlock残差基本子模块的卷积核数为256；

所述第四BasicBlock残差基本模块包括3个第四BasicBlock残差基本子模块，所述第三BasicBlock残差基本子模块的卷积核数为512。

5.根据权利要求1所述的方法，其特征在于，所述全连接层输出层采用Relu函数为激活函数：

y_t＝Relu(w_os_t+b_o)；

y_t—全连接层输出量；

w_o—全连接层的权重参数；

b_o—全连接层的偏置；

s_t—全连接层的输入。