【技术实现步骤摘要】
用于预测能源负荷的方法及装置
本专利技术涉及计算机
，具体地涉及一种用于预测能源负荷的方法及装置。
技术介绍
能源负荷预测规模上多分为电网层级和用户层级。电网层级的负荷曲线较平缓，在相同条件下负荷差距不大，较易预测，但针对性不强，对局部区域无法管理。用户层级精确到户，但其负荷曲线波动剧烈，具有较大随机性，不易预测。目前短期能源负荷预测使用的算法多使用传统的数据分析，如时间序列法、回归分析法、支持向量机法、模糊预测法等。时间序列法是目前发展较为成熟的算法，但只适用于较平缓的负荷变化，模型对不确定因素辨识不足，预测误差较大。
技术实现思路
本专利技术实施例的目的是提供一种用于预测能源负荷的方法及装置。用以解决现有的用于预测能源负荷的方法误差较大的问题。为了实现上述目的，本专利技术实施例第一方面提供一种用于预测能源负荷的方法，包括：获取能源负荷的时间序列历史数据；对时间序列历史数据进行预处理，以得到训练数据集和测试数据集；根据训练数据集和测试数据集，训练循环神经网络；
【技术保护点】
1.一种用于预测能源负荷的方法，其特征在于，包括：/n获取能源负荷的时间序列历史数据；/n对所述时间序列历史数据进行预处理，以得到训练数据集和测试数据集；/n根据所述训练数据集和所述测试数据集，训练循环神经网络；/n利用训练好的循环神经网络对所述能源负荷进行预测。/n
【技术特征摘要】
1.一种用于预测能源负荷的方法，其特征在于，包括：
获取能源负荷的时间序列历史数据；
对所述时间序列历史数据进行预处理，以得到训练数据集和测试数据集；
根据所述训练数据集和所述测试数据集，训练循环神经网络；
利用训练好的循环神经网络对所述能源负荷进行预测。
2.根据权利要求1所述的方法，其特征在于，所述对所述时间序列历史数据进行预处理，以得到训练数据集和测试数据集，包括：
将多元的所述时间序列历史数据重构为单步或多步的监督学习数据集；
使用差分方法以平稳所述时间序列历史数据；
将所述时间序列历史数据标准化，以得到标准化时间序列历史数据；
将所述时间序列历史数据按时间划分为训练数据集和测试数据集。
3.根据权利要求1所述的方法，其特征在于，所述根据所述训练数据集和所述测试数据集，训练循环神经网络，包括：
构建基于长短期记忆的循环神经网络的模型；
根据所述训练数据集，确定所述基于长短期记忆的循环神经网络的模型的最优超参数；
根据所述测试数据集，得到所述基于长短期记忆的循环神经网络的模型的泛化误差。
4.根据权利要求3所述的方法，其特征在于，所述基于长短期记忆的循环神经网络的模型包括输入层、至少一隐藏层和输出层；所述隐藏层包括以下至少一种：
卷积单元、池化单元、循环单元、长短期记忆单元。
5.根据权利要求3所述的方法，其特征在于，所述根据所述训练数据集，确定所述基于长短期记忆的循环神经网络的模型的最优超参数，包括：
将所述训练数据集输入超参数不同的多组基于长短期记忆的循环神经网络的模型；
根据每个基于长短期记忆的循环神经网络的模型输出...
【专利技术属性】
技术研发人员：王祥，武占侠，于同伟，闫振宏，原义栋，崔文朋，卢岩，董之微，史兵，陆欣，冷安辉，何晓荣，李长柏，李奇，
申请(专利权)人：深圳市国电科技通信有限公司，国网辽宁省电力有限公司电力科学研究院，北京智芯微电子科技有限公司，
类型：发明
国别省市：广东;44
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。