[发明专利]一种基于深度学习的智能楼宇微网负荷预测的方法

摘要

本发明提供的一种基于深度学习的智能楼宇微网负荷预测的方法，所述的深度学习智能楼宇微网负荷预测系统的组成包括感知层、传输层、数据层、应用层；所述技术的实现过程为首先通过智能楼宇微网居民用电设备采集平台采集居民用电负荷大数据，并形成居民用电负荷数据库；用卷积神经网络预测模型进行负荷预测，将得到的预测信息整理后反馈给居民用户，居民用户可以根据相关的参数以及建议，做出合理的用电决策；本发明能够进行大数据负荷预测，并具有很好的预测精度。

主权项

一种基于深度学习的智能楼宇微网负荷预测的方法，其特征在于，整个发明分为：感知层、传输层、数据层、应用层；感知层是整个系统的采集控制节点，主要采集智能楼宇微网居民用电设备的负荷、天气、温度、地理坐标等数据；传输层是整个系统的网关，包括WiFi、ZigBee、Bluetooh、4G等，将感知层采集到的数据传输到数据层；数据层将感知层采集到的居民用电设备的相关信息建立数据库，方便对数据进行预处理以及负荷特征分析；应用层对通过深度学习的卷积神经网络负荷预测的信息进行处理后反馈给用户，居民用户可以使用设定好的手机APP或网页查看相关的参数以及建议，以帮助用户做出合理的用电决策。