一种基于状态频率记忆网络的家庭短期负荷预测方法技术

本发明专利技术公开了一种基于状态频率记忆网络的家庭短期负荷预测方法，使用用户的历史用电数据，实现对未来负荷的预测。家庭的能源消耗通常受到多种因素的影响，包括内部因素、外部因素和人际因素等，这些因素反映了不同频率的用电模式。频率反映了负荷数据的波动性，而现有的模型只考虑了数据的时序特征，而忽略了频率成分。状态频率记忆网络可以将存储单元的隐藏状态分解为多个频率分量，每个频率分量都模拟负荷波动背后的潜在用电模式的特定频率，并通过这些成分的非线性映射来预测未来的家庭负荷。在与其他的负荷预测方法比较后，结果显示：基于状态频率网络的预测方法精度更高，验证了模型的有效性。证了模型的有效性。证了模型的有效性。

【技术实现步骤摘要】
一种基于状态频率记忆网络的家庭短期负荷预测方法


[0001]本专利技术涉及数据挖掘、时间序列分析等领域，特别涉及一种基于状态频率记忆(SFM)网络的家庭短期负荷预测方法。

技术介绍

[0002]负荷预测是智能电网技术中最重要的研究课题之一，因为负荷预测的准确性极大地影响着智能电网系统的可靠性。现有的负荷预测方法可以分为统计方法和基于人工智能的方法。
[0003]过去，负荷预测是通过时间序列分析和线性回归等分析技术进行，但是这些传统方法很难准确预测波动性很强的家庭负荷；近年来，随着深度学习技术的飞速发展，越来越多的深度学习方法被用到了负荷预测领域，如卷积神经网络、长短期记忆网络等，研究者利用深度学习技术取得了很多研究成果。
[0004]家庭的能源消耗通常受到多种因素的影响，包括内部因素(习惯、态度、价值观等)、外部因素(激励、惩罚等)和人际因素(社会规范等)，这些因素导致了用户不同频率的用电模式。频率反映了负荷数据的波动性，但现有方法很少运用数学模型将用电模式明确分解为各种频率成分，并将发现的多频模式应用到负荷预测中。因此，本专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于状态频率记忆网络的家庭短期负荷预测方法，其特征在于：实现包括以下步骤：步骤一：从数据库中获取某地区用户两年的日用电量历史数据；步骤二：对于连续N天用电量为0的用户进行剔除；步骤三：对步骤二处理后的数据进行K均值聚类，通过肘部法则和轮廓系数两个指标共同确定聚类数；步骤四：采用小波去噪技术，对步骤三处理后的数据进行去噪处理；步骤五：将步骤四处理后的数据进行归一化处理；步骤六：构建SFM网络模型；所述的SFM网络由三个门单元和一个记忆单元组成，其中记忆状态被分解成一组K个离散频率，使模型获得了在不同频率下的学习能力；
①
遗忘门遗忘门由状态遗忘门和频率遗忘门组成，以分别调节多状态和多频率的信息；组成，以分别调节多状态和多频率的信息；其中，x
t
为当前时刻的输入数据，h
t
‑1为上一时刻的输出数据，W
ste
、U
ste
、W
fre
、U
fre
为权重，b
ste
、b
fre
为偏置；状态
‑
频率遗忘门F
t
被定义为状态遗忘门与频率遗忘门之间的外积，以共同调节状态和频率信息，并控制流入存储单元的信息；
②
输入门输入门决定了在当前时刻能够保存多少输入信息到存储单元，计算公式为：i
t
＝sigmoid(W
i
x
t
+U
i
h
t
‑1+b
i
)其中W
i
、W
c
、U
i
、U
c
为权重，b
i
、b
c
为偏置；

【专利技术属性】
技术研发人员：周后盘，卜祥国，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：