[发明专利]一种基于LSTM神经网络的建筑物电负荷综合预测方法及系统

摘要

本发明公开了一种基于LSTM神经网络的建筑物电负荷综合预测方法及系统，获取典型建筑物的负荷数据、天气参数以及建筑物数据并进行归一化处理；建立LSTM神经网络的电负荷预测模型，选择相似典型日的数据作为训练样本，训练数据包括训练日的天气因素、建筑物类型数据、负荷数据，在训练过程中以电负荷的误差最小为目标进行训练获得LSTM神经网络模型参数；输入待测建筑物的建筑物数据至训练好的LSTM神经网络的电负荷预测模型后，获得建筑物对应的典型日负荷曲线、月负荷曲线和年负荷曲线。基于LSTM神经网络的建筑负荷预测方法，综合考虑了建筑物的不同特点以及负荷波动变化情况实现楼宇建筑的高精度负荷预测，具有精度高、易实现的功能。