申请/专利权人：国网冀北电力有限公司计量中心;国家电网有限公司

申请日：2020-12-04

公开（公告）日：2024-04-23

公开（公告）号：CN112488399B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06N3/047

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.03.30#实质审查的生效;2021.03.12#公开

摘要：本发明提供了一种电力负荷预测方法及装置，涉及电力数据处理技术领域，该方法包括：获取目标负荷数据；根据目标负荷数据计算贝叶斯神经网络的目标参数；根据贝叶斯神经网络和目标参数生成电力负荷预测结果。本发明使用贝叶斯神经网络生成电力负荷预测结果，可以缓解在数据量较少的情况下存在的过拟合现象，提升电力负荷的预测精度。

主权项：1.一种电力负荷预测方法，其特征在于，包括：获取目标负荷数据；根据所述目标负荷数据计算贝叶斯神经网络的目标参数；所述目标参数包括正则化参数和权值参数；根据所述贝叶斯神经网络和所述目标参数生成电力负荷预测结果；获取目标负荷数据，包括：计算历史负荷数据与风光发电数据的皮尔逊相关系数；若所述皮尔逊相关系数大于预设相关度值，则将所述历史负荷数据作为目标负荷数据；根据所述目标负荷数据计算贝叶斯神经网络的目标参数，包括：利用如下公式计算贝叶斯神经网络的正则化参数：msereg＝βEd+αEw γ＝N-2α′trH-1其中，msereg是误差函数，α和β是正则化参数，N是样本总数，ei是误差，ti是目标输出负荷值，ai是神经网络预测输出负荷值，Wi是网络权重，α′是迭代计算前的α，H是msereg的黑塞矩阵；Ew是网络所有权值的平方和的平均值；在网络训练过程，对正则化参数α和β进行初始化，通过等式对正则化参数进行自适应调整，从而使误差函数msereg最小化；根据所述目标负荷数据，利用如下公式计算贝叶斯神经网络的权值参数： 其中，r1和r2是[0，1]之间的均匀分布的随机数，c1和c2是加速度因子，w是惯性权重，v是粒子的飞行速度，x是权值参数粒子，为预测负荷值；yi为实际负荷值，n为样本数量，Fitness是粒子适应度函数；根据适应度函数，确定优化的权值参数粒子利用适应度函数Fitness评价，利用公式和计算出的当适应度函数达到预设条件，将计算得到的作为贝叶斯神经网络的权值参数；预设条件为在指定范围内Fitness为最小值。

全文数据：

权利要求：

百度查询： 国网冀北电力有限公司计量中心;国家电网有限公司 电力负荷预测方法及装置

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