基本信息:
- 专利标题： 一种基于负荷分解和优化双向长短期记忆网络的负荷组合预测方法
- 申请号：CN202111268308.0 申请日：2021-10-29
- 公开(公告)号：CN113836823A 公开(公告)日：2021-12-24
- 发明人： 赵洁 , 唐佳杰 , 张怀勋 , 方宇迪 , 梁忆琳 , 麻高源 , 何育钦 , 肖思怡
- 申请人： 武汉大学
- 申请人地址： 湖北省武汉市武昌区珞珈山武汉大学
- 专利权人： 武汉大学
- 当前专利权人： 武汉大学
- 当前专利权人地址： 湖北省武汉市武昌区珞珈山武汉大学
- 代理机构： 武汉科皓知识产权代理事务所
- 代理人： 鲁力
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F17/17 ; G06K9/62 ; G06F113/04 ; G06F119/02
摘要：
本发明提出一种基于负荷分解与优化双向长短期记忆网络的负荷组合预测方法。该方法利用变分模态分解将负荷序列分解为一组相对平稳的子序列分量，以减少不同趋势信息间的相互影响，针对各子序列分别构建基于双向长短期记忆神经网络的时序预测模型，利用贝叶斯理论对网络相关超参数进行优化并判断该序列是否使用长短期记忆网络，以提高单个模型的预测精度；最后，叠加各子序列预测结果得到负荷预测值。该方法利用变分模态分解对负荷进行平稳化分解处理后进行预测使得预测结果更加稳定，贝叶斯优化理论解决了不同时序序列对双向长短期记忆网络的适用性和初始参数设置不当导致预测结果精度不高的问题，具有精确的预测结果，可应用于电力系统短期负荷预测。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |