【技术实现步骤摘要】
本专利技术涉及电力负荷预测，具体为一种智慧工业园区电力负荷预测方法。
技术介绍
1、在智慧工业园区管理中，准确预测负荷需求对于优化资源分配、提高生产效率和降低能源成本至关重要，有效的负荷预测可以帮助智慧工业园区规划生产计划、优化能源资源利用、降低成本和提高生产效率；
2、传统的预测方法通常采用统计模型或基于物理原理的建模，但这些方法往往无法捕捉到数据中的复杂非线性关系和时序依赖性，随着深度学习技术的发展，基于神经网络的预测方法在负荷预测领域取得了显著的进展，长短期记忆网络作为一种深度学习模型，在时间序列数据建模方面表现出色，能够更好地处理复杂的负荷预测问题，然而，lstm网络的性能很大程度上取决于其超参数的选择，包括隐藏层和神经元的数量、学习率和迭代次数等，传统方法中，超参数的选择通常是基于经验和试错的，而且往往需要大量的计算资源和时间来进行调整和优化，尤其是在面对复杂和动态的智慧工业电力负荷数据时，传统的超参数优化方法可能无法充分发挥其性能优势，因此，如何有效地优化lstm网络的超参数成为了一个关键问题。
【技术保护点】
1.一种智慧工业园区电力负荷预测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种智慧工业园区电力负荷预测方法，其特征在于：所述步骤S1还包括对智慧工业园区内的实时电力负荷数据和历史电力负荷数据进行获取，并对获取的电力负荷数据进行预处理，具体包括数据清洗、数据平滑处理以及数据归一化处理，其中数据清洗具体包括通过拉格朗日插值法对电力负荷数据内的缺失值进行填充，并对电力负荷数据其中的类别型数据通过one-hot编码将其编码为数值型数据。
3.根据权利要求1所述的一种智慧工业园区电力负荷预测方法，其特征在于：所述步骤S1还包括其中数据平滑处...
【技术特征摘要】
1.一种智慧工业园区电力负荷预测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种智慧工业园区电力负荷预测方法，其特征在于：所述步骤s1还包括对智慧工业园区内的实时电力负荷数据和历史电力负荷数据进行获取，并对获取的电力负荷数据进行预处理，具体包括数据清洗、数据平滑处理以及数据归一化处理，其中数据清洗具体包括通过拉格朗日插值法对电力负荷数据内的缺失值进行填充，并对电力负荷数据其中的类别型数据通过one-hot编码将其编码为数值型数据。
3.根据权利要求1所述的一种智慧工业园区电力负荷预测方法，其特征在于：所述步骤s1还包括其中数据平滑处理具体包括通过指数加权移动平均方法对电力负荷数据进行数据平滑处理，从而消除或减少电力负荷数据数据中的噪声，使电力负荷数据数据更具有连续性和可预测性，并且不需要选择固定的时间窗口长度，其中数据归一化处理具体包括通过标准化算法对电力负荷数据进行处理，从而在维持数据变化趋势的基础上将数值范围控制在[0,1]之间，便于后续使用，并基于处理后的历史电力负荷数据构建电力负荷数据集。
4.根据权利要求1所述的一种智慧工业园区电力负荷预测方法，其特征在于：所述步骤s2还包括基于lstm网络构建lstm电力负荷预测网络模型，并通过adam优化算法确定lstm网络待优化的超参数和其取值范围，待优化的超参数具体包括学习率、隐藏层神经元数量、样本批大小、随机舍弃率、训练次数，并通过实数编码的方式将待优化的超参数编码成长鼻浣熊种群个体，并使用改进的tent混沌映射策略初始化种群，并进一步结合改进的tent混沌映射策略生成搜索区域内的长鼻浣熊个体初始位置序列，且选取平均绝对百分比误差作为长鼻浣熊种群个体的适应度函数。
5.根据权利要求1所述的一种智慧工业园区电力负荷预测方法，其特征在于：所述步骤s3还包括根据mscoa算法更新规则更新长鼻浣熊种群个体，具体操作为在mscoa算法的勘探阶段引入levy飞行策略，在这种策略中，一群长鼻浣熊爬上树靠近鬣蜥并驱逐它，其他长鼻浣熊在树下等待，直到鬣蜥掉在地上，鬣蜥落地后，长鼻浣熊就会攻击它并猎杀它，这种策略使得长鼻浣熊种群个体在搜索空间中移动到不同的位置，体现了长鼻浣熊种群个体在搜索空间中的全局搜索能力，在...
【专利技术属性】
技术研发人员：谢海涛，廖滨晶，叶志伟，王明威，周雯，蔡婷，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：
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。