[发明专利]一种基于深度学习的用电量预测方法、装置及设备

摘要

本发明公开了一种基于深度学习的用电量预测方法，采用包括长短期记忆网络LSTM嵌入块的序列到序列seq2seq模型为预测模型，增强了序列到序列seq2seq模型的可学习型和表达性，利用包括历史时间序列和外源性特征数据的历史用电数据训练得到该预测模型，使预测模型除了时间特征外，还对外源性特征进行学习和表达，增加了对影响用电量趋势的多个因素的约束，从而得到了更贴近用电量实际状况的预测模型，通过该预测模型对用电量进行预测，得到了更为准确的用电量预测结果。本发明还提供一种基于深度学习的用电量预测装置及设备，具有上述有益效果。

主权项

1.一种基于深度学习的用电量预测方法，其特征在于，包括：预先根据历史用电数据训练预测模型；接收输入的电量预测查询时间和外源性特征参数；将所述电量预测查询时间和所述外源性特征参数输入所述预测模型，输出用电量预测值；其中，所述历史用电数据包括历史时间序列和所述历史时间序列的外源性特征数据，所述预测模型具体为包括长短期记忆网络LSTM嵌入块的序列到序列seq2seq模型。