买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网上海市电力公司;上海电力大学

摘要：本发明涉及一种耦合Copula与LSTM的工企用能负荷预测方法，包括：采集待预测工业企业的选定要素实时数据，并输入训练好的LSTM深度神经网络模型，获得待预测工业企业的预测用能负荷；其中，所述的选定要素的选定过程包括以下步骤：1采集多种类型的工业企业的用能负荷历史数据以及对应时间点的若干种待定要素历史数据，构成样本数据集；2对样本数据集进行预处理；3利用K‑Means算法对用能负荷历史数据进行聚类，获得若干个聚类；4通过Copula算法对聚类与待定要素之间的非线性相关性进行分析，从所有待定要素中选出选定要素。与现有技术相比，本发明具有精准性高、稳定性强等优点。

主权项：1.一种耦合Copula与LSTM的工企用能负荷预测方法，其特征在于，包括：采集待预测工业企业的用能负荷历史数据和选定要素历史数据，并输入训练好的LSTM深度神经网络模型，获得待预测工业企业的预测用能负荷；其中，所述的选定要素的选定过程包括以下步骤：1采集多种类型的工业企业的用能负荷历史数据以及对应时间点的若干种待定要素历史数据，构成样本数据集；2对样本数据集进行预处理；3利用K-Means算法对用能负荷历史数据进行聚类，获得若干个聚类；4通过Copula算法对聚类与待定要素之间的非线性相关性进行分析，从所有待定要素中选出选定要素；通过相似度公式确定的K-Means算法的最佳聚类数；所述的相似度公式计算公式为： kmin≤k≤kmax其中，k为聚类数，CHk为类之间的相似度，kmin为设定值，n为用能负荷历史数据的数量，trBk为类之内离差矩阵的迹，trWk为类与类之间离差矩阵的迹；当CHk取值最大时，对应的聚类数为最佳聚类数；所述的步骤4包括：计算每个聚类与待定要素之间相关性参数，根据相关性参数的绝对值大小，从大到小选出若干个待定要素，作为选定要素；所述的相关性参数ρ的计算公式为： 其中，x和y分别表示聚类和待定要素，N为样本数据集的总数量，Fx和Ey分别为聚类和待定要素的边缘分布函数，I[]表示示性函数，条件成立时，I[]＝1，反之则为0；所述的步骤2包括：对用能负荷历史数据进行去噪；对用能负荷历史数据和待定要素历史数据进行归一化处理；其中，去噪过程包括：从用能负荷历史数据中查找数据噪点，通过相似性计算公式对数据噪点进行数据修复；判断用能负荷数据点是否满足判断不等式，若是则判定该用能负荷数据点为数据噪点，否则判定该用能负荷数据点不是数据噪点；所述的判断不等式为： 其中，ε为设定阈值，Xn,i为第n天第i个用能负荷数据点；所述的相似性计算公式为： 其中，α+β+γ＝1，N为样本数据集的总数量，为第n天第i个用能负荷数据点的修正值，Xn,i-1和Xn,i+1分别为Xn,i最近的两个用能负荷数据点，为Xn,i附近的四个用能负荷数据点；所述的归一化处理过程包括：设定样本数据集为矩阵X，X的表达式为： 其中，u为样本数据集总数量，v为每组样本数据的数量；通过归一化计算公式对矩阵X中每列数据进行归一化处理，获得归一化矩阵XR，所述的XR的表达式为： 所述的归一化计算公式为：

全文数据：

权利要求：

百度查询： 国网上海市电力公司 上海电力大学 一种耦合Copula与LSTM的工企用能负荷预测方法