[发明专利]一种基于深度信念网络的电力负荷预测方法及系统在审
| 申请号： | 201910722953.1 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110580543A | 公开（公告）日： | 2019-12-17 |
| 发明（设计）人： | 孔祥玉;胡天宇;李闯;郭家良;屈璐瑶;田龙飞;邓泽强 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/06;G06N3/04;G06N3/08 |
| 代理公司： | 12201 天津市北洋有限责任专利代理事务所 | 代理人： | 张金亭 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度信念网络的电力负荷预测方法，采用稀疏自编码神经网络对电力负荷的历史数据进行聚合处理；基于受限玻尔兹曼机，构建复合优化的深度信念网络预测模型；所述深度信念网络预测模型，其从输入至输出依次包括：高斯‑伯努利受限玻尔兹曼机、伯努利‑伯努利受限玻尔兹曼机和线性回归输出层，其先采用无监督训练方法进行预训练，再采用加冲量项的BP算法进行参数微调；将聚合处理后的历史数据输入所述深度信念网络预测模型中进行预测。本发明还公开了一种基于深度信念网络的电力负荷预测系统。本发明可更好地挖掘历史负荷数据的规律性，从而提高预测的效率，同时可充分考虑不同因素的影响，提高了预测精度。 | ||
| 搜索关键词： | 信念网络 受限玻尔兹曼机 预测模型 电力负荷预测 聚合处理 历史数据 预测 冲量 历史负荷数据 参数微调 电力负荷 神经网络 线性回归 输出层 无监督 自编码 高斯 构建 稀疏 规律性 复合 输出 挖掘 优化 | ||
【主权项】：
1.一种基于深度信念网络的电力负荷预测方法，其特征在于，采用稀疏自编码神经网络对电力负荷的历史数据进行聚合处理；基于受限玻尔兹曼机，构建复合优化的深度信念网络预测模型；所述深度信念网络预测模型，其从输入至输出依次包括：高斯-伯努利受限玻尔兹曼机、伯努利-伯努利受限玻尔兹曼机和线性回归输出层，其先采用无监督训练方法进行预训练，再采用加冲量项的BP算法进行参数微调；将聚合处理后的历史数据输入所述深度信念网络预测模型中进行预测。/n
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天津大学，未经天津大学许可，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/201910722953.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种用电量预测方法和装置
- 下一篇：一种基于周期性依赖的话务量预测方法
- 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
