公开(公告)号：CN108416690A

公开(公告)日：2018-08-17

申请号：CN201810054530.2

申请日：2018-01-19

Applicant: 中国矿业大学

Inventor： 孙晓燕 ,  邵辉 ,  赵琳 ,  汪敬人 ,  暴琳 ,  耿聪 ,  李玉柱

IPC: G06Q50/06 ,  G06Q10/04

Abstract: 本发明公开了一种基于深度LSTM神经网络的电网负荷预测方法，能提高预测精度、步长和实时性，包括以下步骤：根据输入特征数据和负荷数据生成训练样本，其中，输入特征数据包括实验时间的气象信息和是否为工作日的时间类型信息；对训练样本进行处理，并通过LSTM神经网络对处理后的训练样本进行训练以得到LSTM预测模型；通过将待预测时间的气象信息和是否为工作日的时间类型信息输入LSTM预测模型，以对待预测时间内的电网负荷进行预测以得到电网负荷预测结果；对电网负荷预测结果进行分析，并判断电网负荷预测结果是否满足准确度要求；如果判断不满足准确度要求，则获取新的训练样本，并通过新的训练样本对LSTM预测模型进行补充训练，以对LSTM预测模型进行更新。