一种基于含树突结构神经网络的电力系统短期负荷预测方法技术方案

本发明专利技术为一种基于含树突结构神经网络的电力系统短期负荷预测方法。属于电力系统负荷预测的技术领域。提出了一种创新的电力系统短期负荷预测模型。相较于传统的神经网络模型，本方法的创新性在于引入了树突结构的计算过程，以此增强网络的处理能力。本方法能显著提升预测的准确性。精准的负荷预测不仅能优化发电机组的调度，提升发电效率，确保经济性，还能在当前大规模可再生能源并网的情况下，促进系统更有效地吸纳可再生能源。

【技术实现步骤摘要】

本专利技术涉及电力系统负荷预测的，具体设计一种基于含树突结构神经网络的电力系统短期负荷预测方法。

技术介绍

1、电力行业是国家在能源领域的重大基础行业，也是国民经济的命脉。电力行业的发展建设对国家各行业起到至关重要的作用，随着我国电网的发展建设，电力负荷的变化越加复杂，对于电力负荷预测的研究日益重要。电力负荷预测是通过探索电力负荷和其他相关因素的历史数据之间的变化规律来对未来负荷水平进行科学合理的预测。

2、我国作为发展中国家，对电能的需求随经济的快速发展而大量增加，目前尚存在不能大规模储存的问题，电能的发、变、输、配、用具有同时性，如何通过负荷预测实现供需平衡对于电力调度部门是一个巨大的挑战。

3、在电力供给端，越来越多的以风能、太阳能为代表的可再生分布式能源接入电网，大规模的风电和光电并网无疑会造成电网运行的可控性降低、不确定性增大，而风资源的随机性和波动性给电力系统的安全稳定运行带来了较大的影响，高精度的预测技术已成为一项必备的运行技术。

4、在电力需求端：性能不断赶上传统汽车的电动汽车在国家科技部等的推动下快速发本文档来自技高网...

【技术保护点】

1.一种基于含树突结构神经网络的电力系统短期负荷预测方法，其特征在于，所述方法包括以下操作：经过提出的以LSTM+Res-DD结构模块为基础，将所需预测的电力负荷数据放入以模块中具有快捷连接的神经网络中进行初步预测，将初步预测的结果送入深度残差网络中进行计算，得到最终得预测结果。

2.根据权利要求1所述的一种基于含树突结构神经网络的电力系统短期负荷预测方法，其特征在于仿生物神经元的模块处理，输入经由LSTM模块输出再输入进Res-DD进行计算处理，从而达到仿生物神经元的效果。

3.根据权利要求1中的电力负荷数据，把数据进行处理之后输入进神经网络中，其特征在于特殊的...

【技术特征摘要】

1.一种基于含树突结构神经网络的电力系统短期负荷预测方法，其特征在于，所述方法包括以下操作：经过提出的以lstm+res-dd结构模块为基础，将所需预测的电力负荷数据放入以模块中具有快捷连接的神经网络中进行初步预测，将初步预测的结果送入深度残差网络中进行计算，得到最终得预测结果。

2.根据权利要求1所述的一种基于含树突结构神经网络的电力系统短期负荷预测方法，其特征在于仿生物神经元的模块处理，输入经由lstm模块输出再输入进res-dd进行计算处理，从而达到仿生物神经元的效果。

3.根据权利要求1中的电力负荷数据，把数据进行处理之后输入进神经网络中，其特征在于特殊的连接，首先先把数据处理成用以下特征作为输入，即将，，作为神经网络的输入，其中，和为跟踪电力负荷长期变化的输入，为跟踪近期24小时预测的输入，并且的加入使得输入中考虑了天气周末节假日因素。

4.根据权利要求3中的输入，其特征在于：为下一天前4周、8周、12周相同小时的负荷情况；为下一天前1周、2周、3周、4周、5周、6周、7周和8周相同小时的负荷情况；为下一天前一周内每一天相同小时的负荷情况；为下一天第h小时之前最近24小时的负荷；为下一天前4周、8周、12周相同小时的温度情况；为下一天前1周、2周、3周、4周、5周、6周、7周和8周相同小时的温度情况；为下一天前一周内每一天相同小时的温度情况；为下一天第h小时的实际温度；为季节的独热编码；为工作日或周末区分的独热编码；为节假日或非节假日区分的独...

【专利技术属性】
技术研发人员：董吉哲，徐铭谦，韩顺杰，李九龙，王梓蘅，许崇珊，孙洋，高洪尧，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：