[发明专利]基于长短时记忆神经网络的电力负荷预测系统

摘要

本发明公开一种基于长短时记忆神经(LSTM)网络的电力负荷预测系统，其中LSTM网络包括输入层、LSTM网络层和输出层，该系统包括信息接收模块，用于将输入的历史时刻的电力负荷数据和区域特征因素并传递至输入层；模型建立模块，用于通过LSTM网络层对历史时刻的电力负荷数据和区域特征因素进行训练建模，以生成深度神经网络负荷预测模型；电力预测模块，用于利用深度神经网络负荷预测模型对区域内的电力负荷进行预测，并通过连接至LSTM网络层的回归器产生该区域内的电力负荷预测结果；结果输出模块，用于通过输出层输出区域内的电力负荷预测结果。本发明基于LSTM网络来构建多任务学习的负荷预测模型，能够精确预测出多区域的用电负荷，提升了预测效果。

主权项

一种基于长短时记忆神经网络的电力负荷预测系统，运行于计算机中，该计算机包括输入单元以及输出单元，其特征在于，所述长短时记忆神经(LSTM)网络包括输入层、LSTM网络层和输出层，所述电力负荷预测系统包括：信息接收模块，用于通过输入单元接收输入的历史时刻的电力负荷数据和区域特征因素，并将所述历史时刻的电力负荷数据和区域特征因素传递至所述LSTM网络的输入层；模型建立模块，用于将所述LSTM网络的输入层接收的历史时刻的电力负荷数据和区域特征因素导入所述LSTM网络层，并通过所述LSTM网络层对所述历史时刻的电力负荷数据和区域特征因素进行训练建模，以训练生成深度神经网络负荷预测模型，所述深度神经网络负荷预测模型为用于供电负荷预测的单层多任务深度神经网络模型或双层多任务深度神经网络模型；电力预测模块，用于利用所述深度神经网络负荷预测模型对所需预测区域内的电力负荷进行预测，并通过连接至所述LSTM网络层的回归器产生该区域内的电力负荷预测结果；结果输出模块，用于通过所述输出层输出所需预测区域内的电力负荷预测结果至所述输出单元。