基本信息:
- 专利标题： 基于深度学习的配电低压台区负荷预测方法及装置
- 申请号：CN201911235433.4 申请日：2019-12-05
- 公开(公告)号：CN110969306A 公开(公告)日：2020-04-07
- 发明人： 王剑 , 胡伟 , 王云龙 , 张毅 , 李刚 , 孟妍 , 郎斌 , 赵志阳 , 陈源 , 刘腾 , 郭秋婷
- 申请人： 国网辽宁省电力有限公司沈阳供电公司 , 清华大学 , 国家电网有限公司
- 申请人地址： 辽宁省沈阳市和平区八经街94号
- 专利权人： 国网辽宁省电力有限公司沈阳供电公司,清华大学,国家电网有限公司
- 当前专利权人： 国网辽宁省电力有限公司沈阳供电公司,清华大学,国家电网有限公司
- 当前专利权人地址： 辽宁省沈阳市和平区八经街94号
- 代理机构： 北京清亦华知识产权代理事务所
- 代理人： 石茵汀
- 主分类号： G06Q10/04
- IPC分类号： G06Q10/04 ; G06Q50/06 ; G06N3/04 ; G06N3/08
摘要：
本发明公开了一种基于深度学习的配电低压台区负荷预测方法及装置，其中，方法包括以下步骤：采集配电低压台区量测数据；根据配电低压台区量测数据，通过Adam优化算法，基于反向传播算法迭代更新神经网络权重，并生成预测模型的输入值，训练预测模型；在预测模型满足预设条件后，采集当前配电低压台区量测数据，并将当前配电低压台区量测数据输入训练后的预测模型，得到配电低压台区负荷预测结果。该方法基于LSTM模型，并结合Wide模块与Deep模块的信息表达特性，搭建了一种全新的负荷预测模型，从而提高低压配电台区负荷预测精度。
公开/授权文献:
- CN110969306B 基于深度学习的配电低压台区负荷预测方法及装置 公开/授权日：2023-09-19