[发明专利]一种基于LSTM-RNN的冷热电联供系统负荷预测方法及系统在审
| 申请号： | 201910898056.6 | 申请日： | 2019-09-23 |
| 公开（公告）号： | CN110619389A | 公开（公告）日： | 2019-12-27 |
| 发明（设计）人： | 李珂;李淑珍;张承慧;孙芸馨;严毅 | 申请（专利权）人： | 山东大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06Q10/04;G06Q50/06 |
| 代理公司： | 37221 济南圣达知识产权代理有限公司 | 代理人： | 黄海丽 |
| 地址： | 250061 山东*** | 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： | 本发明公开了一种基于LSTM‑RNN的冷热电联供系统负荷预测方法及系统，所述方法包括以下步骤：接收热负荷、冷负荷以及电负荷历史数据，确定输入输出数据；以其中部分输入输出数据作为训练数据，基于长短期记忆循环神经网络，训练负荷预测网络模型；基于所述负荷预测网络模型进行负荷预测。本发明采用长短期记忆循环神经网络模型挖掘冷热电负荷三者之间的耦合关系，提高了基于LSTM‑RNN的冷热电联供系统负荷预测精度。 | ||
| 搜索关键词： | 负荷预测 冷热电联供系统 输入输出数据 循环神经网络 网络模型 历史数据 训练负荷 训练数据 耦合关系 电负荷 冷负荷 冷热电 热负荷 挖掘 预测 | ||
【主权项】：
1.一种基于LSTM-RNN的冷热电联供系统负荷预测方法，其特征在于，包括以下步骤：/n接收热负荷、冷负荷以及电负荷历史数据；/n根据历史数据某一时刻与其之前多个时刻之间的相关性确定输入数据所采用的时间段；/n根据热负荷、冷负荷以及电负荷历史数据两两之间的相关系数确定输入输出数据；/n将训练集输入长短期记忆循环神经网络，训练负荷预测网络模型；/n基于所述负荷预测网络模型进行负荷预测。/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山东大学，未经山东大学许可，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/201910898056.6/，转载请声明来源钻瓜专利网。
