The invention discloses a load forecasting method of neural network machine learning considering temperature factors, which includes the following steps: S1: design of input and output layer, S2: design of hidden layer, S3: design load forecasting model of neural network machine learning considering temperature according to R and S 2; S4: load forecasting model of network supply based on S 3 \u3002 Based on the previous machine learning load forecasting method, considering the influence of temperature on load, the invention regards temperature as an input value of machine learning method to improve the accuracy of short-term power load forecasting.
【技术实现步骤摘要】
一种考虑温度因素的神经网络机器学习负荷预测方法
本专利技术涉及设施机器学习及电力负荷预测领域,具体来说,涉及一种考虑温度因素的神经网络机器学习负荷预测方法。
技术介绍
目前,机器学习方法已经被广泛用于短期电力负荷预测,但未考虑温度因素对电力负荷的影响。但是温度因素对电力负荷的影响作用是至关重要的,预测没有考虑温度影响的负荷预测是不准确的,并不能真实的反映电力负荷情况。
技术实现思路
针对相关技术中的上述技术问题,本专利技术提出一种考虑温度因素的神经网络机器学习负荷预测方法,能够克服现有技术的上述不足。为实现上述技术目的,本专利技术的技术方案是这样实现的:一种考虑温度因素的神经网络机器学习负荷预测方法,包括如下步骤:S1:进行输入输出层的设计,具体为:S1.1:选取历史年供电量和网供负荷、产业结构比值和全年最高温度作为训练的数据样本;S1.2:确定模型的输入输出数据及相应的输入输出维度;S1.3:对模型的输入数据进行预处理;S1.4:确定输出层的激活函数;S2:进行隐藏层的设计,具体为:S2.1:确定符合负荷预测精度要求的隐藏层个数;S2.2:确定符合负荷预测精度要求的隐藏层神经元的个数;S2.3:选取符合负荷预测精度要求的隐藏层的激活函数;S3:根据步骤S1及S2设计得到考虑温度的神经网络机器学习的负荷预测模型;S4:应用S3得到的负荷预测模型进行网供负荷的预测,具体为:S4.1:输入预测年供电量,二产与三产的比值;S4.2:输入预测年多种最高温度;S4.3:通过S3得到的负荷预测模型得到预测年随温度变化的网供负荷。其中,步骤S1.2中模型的输入数据包括历年的 ...
【技术保护点】
1.一种考虑温度因素的神经网络机器学习负荷预测方法,其特征在于,包括如下步骤:S1:进行输入输出层的设计,具体为:S1.1:选取历史年供电量和网供负荷、二产与三产比值和全年最高温度作为训练的数据样本;S1.2:确定模型的输入输出数据及相应的输入输出维度;S1.3:对模型的输入数据进行预处理;S1.4:确定输出层的激活函数;S2:进行隐藏层的设计,具体为:S2.1:确定符合负荷预测精度要求的隐藏层个数;S2.2:确定符合负荷预测精度要求的隐藏层神经元的个数;S2.3:选取符合负荷预测精度要求的隐藏层的激活函数;S3:根据步骤S1及S2设计得到考虑温度的神经网络机器学习的负荷预测模型;S4:应用S3得到的负荷预测模型进行网供负荷的预测,具体为:S4.1:输入预测年供电量,二产与三产的比值;S4.2:输入预测年多种最高温度;S4.3:通过S3得到的负荷预测模型得到预测年随温度变化的网供负荷。
【技术特征摘要】
1.一种考虑温度因素的神经网络机器学习负荷预测方法,其特征在于,包括如下步骤:S1:进行输入输出层的设计,具体为:S1.1:选取历史年供电量和网供负荷、二产与三产比值和全年最高温度作为训练的数据样本;S1.2:确定模型的输入输出数据及相应的输入输出维度;S1.3:对模型的输入数据进行预处理;S1.4:确定输出层的激活函数;S2:进行隐藏层的设计,具体为:S2.1:确定符合负荷预测精度要求的隐藏层个数;S2.2:确定符合负荷预测精度要求的隐藏层神经元的个数;S2.3:选取符合负荷预测精度要求的隐藏层的激活函数;S3:根据步骤S1及S2设计得到考虑温度的神经网络机器学习的负荷预测模型;S4:应用S3得到的负荷预测模型进行网供负荷的预测,具体为:S4.1:输入预测年供电量,二产与三产的比值;S4.2:输入预测年多种最高温度;S4.3:通过S3得到的负荷预测模型得到预测年随温度变化的网供负荷。2.根据权利要求1所述的一种考虑温度因素的神经网络机器学习负荷预测方法,其特征在于,步骤S1.2中模型的输入数据包括历年的最高温度、供电量及第二产业国民生产总值与第三产业国民生产总值比值,输入数据的维度为3维。3.根据权利要求2所述的一种考虑温度因素的神经网络机器学习负荷预测方法,其特征在于,步骤S1.2中模型的输出数据为历年统调负荷,输出数据的维度为1维。4.根据权利要求3所述的一种考虑温度因素的神经网络机器学习负荷预测方法,其特征在于,步骤S1.3中输入数据的预处理采用归一化方法或者标准化方法。5.根据权利要求4所述的一种考虑温度因素的神经网络机器学习负荷预测方法,其特征在于,由于神经网络算法主要用于回归预测,因此确定输出层的激活函数为线性型激活函数。6.根据权利要求5所述的一种考虑温度因素的神经网络机器学习负荷预测方法,其特征在于,步骤S2.1具体为S2.1.1:选用s...
【专利技术属性】
技术研发人员:唐文左,罗旭,蒋闻,邹舒,殷跃,杨昆,李宁可,
申请(专利权)人:国网重庆市电力公司经济技术研究院,天地电研北京科技有限公司,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。