[发明专利]一种基于深度学习的月度电力需求预测方法

摘要

本发明涉及一种基于深度学习的月度电力需求预测方法，该方法法首先获取逐月全社会用电量、天气和经济发展相关指标数据，对数据进行归一化等预处理，形成适合监督学习的特征数据；然后使用LSTM和GRU模型分别对月度用电量进行序列预测，对上月用电量数据、天气、经济发展指标数据采用GRU模型进行预测，最后通过对两种模型的预测结果结合验证准确率进行权重分配，对预测结果采用加权平均方式进行融合。本发明提出的一种基于深度学习的月度电力需求预测方法，采用深度学习技术为全社会用电量提供一种新的预测方式，能够综合考虑天气和经济发展对电力需求的影响，提升电力需求预测准确度。

主权项

1.一种基于深度学习的月度电力需求预测方法，其特征在于，包括如下步骤：步骤S1：获取历年逐月全社会用电量数据、天气数据、经济发展数据；步骤S2：对所述步骤S1获取的数据进行数据预处理，作为监督学习输入；步骤S3：将经过所述步骤S2处理后的数据输入到长短时记忆循环神级网络LSTM模型进行预测，调整模型参数；步骤S4：将经过所述步骤S2处理后的数据输入GRU模型进行预测，调整模型参数；步骤S5：根据验证集预测准确率分配经过所述步骤S3和所述步骤S4后的预测结果的权重，并且通过权重计算最终预测结果。