[发明专利]基于长短时记忆神经网络的电力负荷预测方法

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方法，该方法包括步骤：通过输入单元输入历史时刻的电力负荷数据和区域特征因素；采用LSTM网络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，该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；利用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产生该区域内的电力负荷预测结果；通过输出单元输出该区域内的电力负荷预测结果。本发明基于深度学习领域中的LSTM网络来构建多任务学习的电力负荷预测模型，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方法，其特征在于，所述电力负荷预测方法包括如下步骤：通过计算机的输入单元输入历史时刻的电力负荷数据和区域特征因素；采用长短时记忆神经(LSTM)网络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者双层多任务深度神经网络模型；利用训练生成的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产生该区域内的电力负荷预测结果；通过计算机的输出单元输出所需预测区域内的电力负荷预测结果。