发明公开
- 专利标题: 基于K-means聚类与卷积神经网络模型的负荷预测方法
-
申请号: CN202310009803.2申请日: 2023-01-04
-
公开(公告)号: CN115983477A公开(公告)日: 2023-04-18
- 发明人: 李龙 , 胡为明 , 刘麟夫 , 谢小鹏 , 李德忠 , 昌玲
- 申请人: 湖南大唐先一科技有限公司
- 申请人地址: 湖南省长沙市天心区雀园路568号创谷产业园1栋1001-1061号
- 专利权人: 湖南大唐先一科技有限公司
- 当前专利权人: 湖南大唐先一科技有限公司
- 当前专利权人地址: 湖南省长沙市天心区雀园路568号创谷产业园1栋1001-1061号
- 代理机构: 南京禹为知识产权代理事务所
- 代理商 邱月华
- 主分类号: G06Q10/04
- IPC分类号: G06Q10/04 ; G06Q50/06 ; G06F18/23213 ; G06N3/08 ; G06N3/0464 ; H02J3/00
摘要:
本发明公开了基于K‑means聚类与卷积神经网络模型的负荷预测方法包括:采集电力负荷实测数据并对数据进行预处理,基于K‑means聚类算法对预处理后的数据进行聚类处理;利用VMD算法对聚类处理后的数据进行分解,根据分解后的数据构建CNN卷积神经网络并提取电力负荷特征和节假日负荷特征;通过CNN卷积神经网络对数据进行负荷预测,获取并分析负荷预测结果;本发明提供的方法通过K‑means聚类将数据分类成规律性更强的几类,具有较好的较好的抗噪声干扰和对复杂数据的分解精度高,提高了算法精度;并且本发明在训练过程中加入了学习率下降与满足一定条件时提前中止训练的代码,这样不仅保证了训练精度同时也大量的减少了训练的时长。