[发明专利]基于非线性自回归神经网络的负荷预测方法与系统有效

专利信息
申请号: 201810044466.X 申请日: 2018-01-16
公开(公告)号: CN108090629B 公开(公告)日: 2021-02-09
发明(设计)人: 赵志甲;刘浩怀;姚鸿达;许存腊;唐春明;彭凌西 申请(专利权)人: 广州大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 麦小婵;郝传鑫
地址: 510000 广东省广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开一种基于非线性自回归神经网络的负荷预测方法,包括:收集用电侧负荷预测所需原始数据,并对原始数据进行标准化处理和分类,以得到若干训练样本数据、若干验证样本数据和测试数据;初始化神经网络的参数,并搭建神经网络;参数包括训练误差指标值和验证误差指标值;采用若干训练样本数据训练神经网络,并采用若干验证样本数据验证神经网络,以生成训练误差小于训练误差指标且验证误差小于验证误差指标的非线性自回归神经网络;将测试数据输入非线性自回归神经网络,以输出最终预测值。采用本发明实施例,能够提高用电侧负荷预测的准确性,同时本发明还提供基于非线性自回归神经网络的负荷预测系统。
搜索关键词: 基于 非线性 回归 神经网络 负荷 预测 方法 系统
【主权项】:
1.一种基于非线性自回归神经网络的负荷预测方法,其特征在于,包括:收集用电侧负荷预测所需原始数据,并对所述原始数据进行标准化处理和分类,以得到若干训练样本数据、若干验证样本数据和测试数据;初始化神经网络的参数,并搭建神经网络;其中,所述参数包括训练误差指标值和验证误差指标值;采用所述若干训练样本数据训练所述神经网络,并采用所述若干验证样本数据验证所述神经网络,以生成训练误差小于训练误差指标且验证误差小于验证误差指标的非线性自回归神经网络;将所述测试数据输入所述非线性自回归神经网络,以输出最终预测值。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州大学,未经广州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201810044466.X/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top