[发明专利]一种电力系统短期电力负荷的预测方法在审
| 申请号： | 201811566295.3 | 申请日： | 2018-12-21 |
| 公开（公告）号： | CN109685265A | 公开（公告）日： | 2019-04-26 |
| 发明（设计）人： | 郑雷;林国春;吴广超;臧芳;马彦;梁凯;林吉华;王明杰;陈义江;李怀远;王文彬 | 申请（专利权）人： | 积成电子股份有限公司 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/06;G06N3/08 |
| 代理公司： | 济南舜源专利事务所有限公司 37205 | 代理人： | 苗峻;孟繁修 |
| 地址： | 250100 *** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种电力系统短期电力负荷的预测方法，建立三层结构的神经网络模型；采用筛选重要度的方法对与待预测电力负荷相关的各个因素进行约简，获取神经网络模型的输入变量；将约简所获取的输入变量作为神经网络模型的最终输入变量，通过对神经网络模型进行训练，获取预测日当天的最大电力负荷。本发明约简了与负荷预测相关的条件属性，能够较佳地筛选出对最大电力负荷无关的变量，大大地降低神经网络的输入变量数，不仅较佳地减轻神经网络的训练负担，而且较佳地提升神经网络的预测精度；对神经网络模型的学习训练算法、及神经网络模型的输入变量均进行改进，且两者能够互相协同，能够较佳地实现对短期电力负荷的预测。 | ||
| 搜索关键词： | 神经网络模型 输入变量 电力负荷 预测 神经网络 约简 电力系统 最大电力 筛选 负荷预测 三层结构 条件属性 学习训练 重要度 算法 协同 改进 | ||
【主权项】：
1.一种电力系统短期电力负荷的预测方法，其特征在于，包括以下步骤：步骤1、建立三层结构的神经网络模型；步骤2、采用筛选重要度的方法对与待预测电力负荷相关的各个因素进行约简，获取神经网络模型的输入变量；步骤3、将约简所获取的输入变量作为神经网络模型的最终输入变量，通过对神经网络模型进行训练，获取预测日当天的最大电力负荷。
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积成电子股份有限公司，未经积成电子股份有限公司许可，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/201811566295.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
