申请/专利权人：大唐锡林郭勒风力发电有限责任公司;上海远景科创智能科技有限公司

申请日：2023-11-02

公开（公告）日：2024-03-08

公开（公告）号：CN117674078A

主分类号：H02J3/00

分类号：H02J3/00;G06N3/044;G06N3/086;G06Q50/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明属于电力系统负荷功率预测领域，具体为基于RNN和HPSO的电力系统负荷功率预测方法、系统及装置。该方法考虑了多个特征信息，包括时间信息、气象信息、突发事件信息和工业信息。通过设置负荷功率值的阈值，将训练集分为标准负荷功率、高负荷功率和低负荷功率。使用RNN模型进行训练，能够捕捉到负荷功率序列中的时序关系和非线性特征。通过计算对应信息的权重值，可以对不同特征信息进行加权处理。使用HPSO算法对负荷功率序列模型的参数进行优化。通过采用递归神经网络和混合粒子群优化算法，充分利用大规模数据和非线性特征，提高负荷功率预测的准确性和可靠性，通过具有较好的灵活性和适应性，可以适应电力系统的变化和复杂性。

主权项：1.基于RNN和HPSO的电力系统负荷功率预测方法，其特征在于，包括：步骤一：获取历史电力系统负荷功率值及负荷功率值的对应信息，对应信息包括：时间信息，气象信息，突发事件信息，工业信息；并对数据进行清洗和处理；步骤二：根据负荷功率值的大小设置阈值，构建负荷功率值区分模型，将训练集分为标准负荷功率、高负荷功率、低负荷功率；步骤三：对标准负荷功率序列、高负荷功率序列、低负荷功率序列对应的时间信息，气象信息，突发事件信息和工业信息进行编序，将构建好的数据序列划分为训练集和测试集；其中，对产生标准负荷功率的对应信息编序为：Δ＝0；其中，对产生高负荷功率的对应信息编序为：Δ＝1；其中，对产生低负荷功率的对应信息编序为：Δ＝-1；步骤四：对训练集使用RNN训练计算所述对应信息的权重值，计算公式为： 其中，ω为对应信息的权重值，pn为对应信息的当前负荷功率值，p标为标准负荷功率，n为对应信息的单个信息数量值；步骤五:对训练集使用RNN训练，形成负荷功率序列模型：p总＝ω1+1p标1+ω2+1p标2+ω1+1p标2+......+ωx+1p标x其中，ω1，ω2，ω3，ωx为对应信息的权重值，p1，p2，p3，px，为对应信息的标准负荷功率值；步骤六：使用HPSO算法对负荷功率序列模型的参数进行优化；步骤七：使用测试集对负荷功率序列模型评估，计算预测结果与真实值之间的误差，根据评估结果对模型再度调整和优化。

全文数据：

权利要求：

百度查询： 大唐锡林郭勒风力发电有限责任公司;上海远景科创智能科技有限公司 基于RNN和HPSO的电力系统负荷功率预测方法、系统及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD