【技术实现步骤摘要】
一种基于深度学习神经网络预测长期电价变化趋势的模型
本专利技术涉及一种电力系统运行管理技术,特别涉及一种深度学习神经网络的预测电价长期变化趋势的方法。
技术介绍
能源需求的持续增长，传统化石能源长期以来走高的燃料成本以及日益受到大众重视的环保意识推动了最近十年来可再生能源的发展。多种因素包括技术创新，改善成本效益和政府激励措施驱动了新能源发电机组系统每年保持一定的业绩增长。然而，仍然有一些制约因素阻碍了大规模将新能源发电整合到整体的电力应用网络结构中去，比如电价预测。特别是电价的多变性及其不可预测性与新能源的不确定性相结合，导致政府和企业无法可靠对其进行投资和建设。因此，对于电力系统电价的预测对于相关公用事业单位及电力公司合理有效的开发利用新能源并将其和现有电网系统融合有着重要的影响。准确的电价预测对于确保整体电力系统的稳定性，可靠性和保持电力系统成本效益起着至关重要的作用。本专利技术提出了一种基于深度学习神经网络预测长期电价变化趋势的系统模型，其中结合了多元线性函数和深RELU函数。
技术实现思路
本专利技术提出了一种基于历史天气数据和预测数据,历史电力负荷数据和预测数据,历史电价数据进而预测电力系统系统长期电价变化趋势的系统和方法。本方法应用了深度学习神经网络模型，利用L层复杂神经网络，可以更好的找到对已知变量与需要预测量之间的关系特点，具体流程如图1所示。附图说明图1是本专利技术实施中电价预测的流程图。图2是本专利技术实施中样本电力价格曲线图。图3是本...
【技术保护点】
1.一种基于深度学习神经网络预测长期电价变化趋势的模型，其特征在于，包括：/n步骤一、通过测量或取得历史数据的方式，获得该区域的小时级历史历史气温, 工作日, 节假日, 历史用电负荷，样本电力价格曲线图如图2所示；/n步骤二、搭建L层深度学习网络,在本模型中,考虑到训练时间成本,我们选择4层神经网络，/n其中L,我们选择为3.
【技术特征摘要】
1.一种基于深度学习神经网络预测长期电价变化趋势的模型，其特征在于，包括：
步骤一、通过测量或取得历史数据的方式，获得该区域的小时级历史历史气温,工作日,节假日,历史用电负荷，样本电力价格曲线图如图2所示；
步骤二、搭建L层深度学习网络,在本模型中,考虑到训练时间成本,我们选择4层神经网络，
其中L,我们选择为3.为输入量,分别为,温度,小时,工作日,是否为工作日,负荷，同一时段上一周的负荷,同一时段昨天的负荷，前二十四小时的平均负荷，同一时段上一周的电价，同一时段昨天的电价，前二十四小时的平均电价，前一天的峰值电价,上一周的峰值电价，预测模型如图3所示；
步骤三、对于搭建的3层深度学习网络，对...
【专利技术属性】
技术研发人员：胡炳谦，顾一峰，周浩，韩俊，
申请(专利权)人：上海积成能源科技有限公司，
类型：发明
国别省市：上海;31
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。