一种基于改进前馈神经网络模型的短期电力负荷预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115952927A(43)申请公布日2023.04.11(21)申请号202310232162.7G06Q50/06(2012.01)(22)申请日2023.03.13G06N3/04(2023.01)G06N3/0499(2023.01)(71)申请人广东电网有限责任公司佛山供电局G06N3/082(2023.01)地址528000广东省佛山市禅城区汾江南H02J3/00(2006.01)路1号(72)发明人郑伟钦钟炜唐鹤马欣何胜红谭家勇倪非非陈志平张勇张哲铭叶小刚冯镇生王俊波谭泳岚骆林峰吴洁璇姜美玲钟嘉燊(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师任文生(51)Int.Cl.G06Q10/04(2023.01)权利要求书3页说明书10页附图4页(54)发明名称一种基于改进前馈神经网络模型的短期电力负荷预测方法(57)摘要本发明提供了一种基于改进前馈神经网络模型的短期电力负荷预测方法，通过改进前馈神经网络模型进行电力负荷预测，该模型包括输入层、增强隐含层和输出层，增强隐含层包括若干个暂态隐含层，不同的暂态隐含层挖掘和捕捉不同负荷数据的特征，并通过聚合的方式得到增强隐含层的输出，从而适应负荷数据的多样性和不确定性。本发明的改进前馈神经网络模型，通过对传统神经网络结构中的隐含层进行改进，提出增强型隐含层概念，深度学习和挖掘负荷数据的特征，自适应学习负荷数据的不确定性和随机性，从而适应当前电力系统的负荷预测需要。CN115952927ACN115952927A权利要求书1/3页1.一种基于改进前馈神经网络模型的短期电力负荷预测方法，其特征在于，包括如下步骤：基于电力负荷历史数据确定改进前馈神经网络模型的输入变量数据；将所述输入变量数据输入到所述改进前馈神经网络模型中进行训练；利用训练好的所述改进前馈神经网络模型进行短期电力负荷预测；其中，所述改进前馈神经网络模型包括输入层、增强隐含层和输出层；所述输入层和输出层分别用于接收电力负荷数据和输出电力负荷预测值；所述增强隐含层包括若干个暂态隐含层，不同的暂态隐含层挖掘和捕捉不同负荷数据的特征，并通过聚合的方式得到所述增强隐含层的输出，从而适应负荷数据的多样性和不确定性。2.根据权利要求1所述的基于改进前馈神经网络模型的短期电力负荷预测方法，其特征在于，所述输入变量数据具体包括：负荷特征变量以及表征负荷信息的标签变量的数据，所述负荷特征变量的数据包括电力负荷影响变量的实际值和电力负荷实际值。3.根据权利要求2所述的基于改进前馈神经网络模型的短期电力负荷预测方法，其特征在于，所述改进前馈神经网络模型还包括：负荷信息标签自动编码器层，所述负荷信息标签自动编码器层包括若干个负荷信息标签自动编码器，用于在所述暂态隐含层挖掘和捕捉负荷数据的特征之前，将负荷信息标签融入到负荷影响变量中。4.根据权利要求3所述的基于改进前馈神经网络模型的短期电力负荷预测方法，其特征在于，所述负荷信息标签自动编码器的网络结构为极限学习机，其输出具体如下：；式中，为第i个负荷信息标签自动编码器隐含层的输出值，为第i个负荷信息标签自动编码器的输入权值，为第i个负荷信息标签自动编码器的偏置矩阵，为第i个负荷信息标签自动编码器的输出权值，为输入第i个负荷信息标签自动编码器的所述负荷影响变量，为输入的所述负荷信息标签，为负荷影响变量。5.根据权利要求1或3所述的基于改进前馈神经网络模型的短期电力负荷预测方法，其特征在于，所述暂态隐含层的网络结构为改进长短期记忆神经网络，所述暂态隐含层的输入和输出分别如下：；；式中，为第i个暂态隐含层的输入，为第i个负荷信息标签自动编码器的输出权值，为偏置矩阵，为负荷影响变量，为所述暂态隐含层的输出，为所述暂态隐含层中组合门输入信息的当前状态，表示细胞当前时刻的状态，t为当前时刻。6.根据权利要求5所述的基于改进前馈神经网络模型的短期电力负荷预测方法，其特2CN115952927A权利要求书2/3页征在于，在所述改进长短期记忆神经网络中，输出门、输入们和遗忘门被融合为组合门，所述组合门内部共享权值和偏执，所述组合门的计算具体如下：；；式中，，和分别表示输入层、组合门和上一个神经元输入信息的当前状态；和分别表示细胞前一时刻和当前时刻的状态；表示中间变量；，表示对应网络层的输入权值；表示对应网络层的偏置矩阵，和均为激活函数。7.根据权利要求3所述的基于改进前馈神经网络模型的短期电力负荷预测方法，其特征在于，所述增强隐含层的输出具体如下：；式中，为所述增强隐含层的输出，为所述暂态隐含层的个数，表示第个暂态隐含层的惩罚系数，表示第个暂态隐含层的输出值。8.根据权利要求7所述的基于改进前馈神经网络模型的短期电力负荷预测方