公开(公告)号：CN118316033A

公开(公告)日：2024-07-09

申请号：CN202410534327.0

申请日：2024-04-30

申请人： 山西省能源互联网研究院

发明人： 李昭琪 ,  周瑜 ,  李灯熬 ,  冯丁

IPC分类号： H02J3/00 ,  G06Q50/06 ,  G06Q10/04 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045

摘要： 本发明公开了一种基于CNN‑GRU与ARIMA模型的电力负荷预测方法，涉及电力系统中电力负荷的预测领域。具体包括：S1：提取电力负荷数据并进行数据预处理；S2：构建GRU‑CNN模块，用于提取电力负荷数据中的时序特征；S3：构建ARIMA模块，用于建立时间序列模型并进行预测；S4：模型训练与评估；S5：融合模型输出预测结果。本发明创新地融入了CNN结构到GRU模型中，以更精确地提取电力负荷数据的时域和频域特征，有效捕捉电力负荷数据的波动趋势；同时，为提高预测的准确性和稳健性，还进一步结合了ARIMA模型以考虑历史数据中的周期性因素；提高了短期负荷预测的准确性和可靠性，以及可以更好地捕捉电力负荷预测中的时空特征。

公开(公告)号：CN116227671A

公开(公告)日：2023-06-06

申请号：CN202211682162.9

申请日：2022-12-27

申请人： 山西省能源互联网研究院

发明人： 李灯熬 ,  赵菊敏 ,  李昭琪

IPC分类号： G06Q10/04 ,  G06Q10/0639 ,  G06Q50/06 ,  G06F17/15 ,  G06N3/0442

摘要： 本发明公开了一种基于长短期记忆神经网络的风电功率联合预测模型的优化方法，涉及风电场发电功率预测领域。包括①数据预处理：对于风力发电功率数据进行归一化处理与数据分类处理，通过训练集数据对LSTM神经网络进行训练，在训练的过程不断优化神经网络结构及内部参数；②网格搜索‑遍历可能参数最优值：将估计函数的参数通过交叉验证的方法进行优化来得到最优的学习算法；③预测：LSTM神经网络会根据设定的网络步长进行循环计算，不断更新LSTM神经网络内部参数。本发明引入网格搜索的办法，对参数的所有的可能性进行快速、有效的对比，极大地促进了算法的性能；采用较大的搜索范围以及较小的步长，网格搜索有很大概率找到全局最优值。