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：安徽理工大学;国网安徽省电力有限公司

摘要：本发明公开了一种基于灰色关联的DA‑LSTM的短期电力负荷预测方法，包括：获取多日日负荷影响因素数据和负荷数据，计算各个日负荷影响因素数据负荷数据之间的MIC值，获得各影响因素的权重，划分历史日数据和待预测日数据，并构建灰色关联判断矩阵，利用各影响因素的权重对灰色关联判断矩阵进行加权，计算出加权灰色关联决策阵，得到每个历史日和待预测日的灰色关联值，将灰色关联值从大到小进行排序，设置阈值，选择满足阈值历史日作为相似日集，构建DA‑LSTM模型，利用将蜻蜓算法DA对长短期记忆网络LSTM的参数进行优化，在DA‑LSTM模型中输入相似日数据，对待预测日进行负荷预测。该方法结合历史负荷、气象、日期类型等因素进行预测，能对待预测日实现短期预测。

主权项：1.一种基于灰色关联的DA-LSTM的短期电力负荷预测方法，其特征在于，包括：获取日负荷影响因素和电力负荷数据，获得影响因素特征数据；计算各个日负荷影响因素和电力负荷数据之间的MIC值，获得各影响因素的权重；划分历史日影响因素特征数据和待预测日影响因素特征数据，并构建灰色关联判断矩阵；利用各影响因素的权重对灰色关联判断矩阵进行加权，计算出加权灰色关联决策矩阵，根据加权灰色关联决策矩阵计算每个历史日和待预测日的灰色关联值，将灰色关联值从大到小进行排序，设置阈值，将满足阈值的历史日作为相似日集；利用蜻蜓算法DA对长短期记忆网络LSTM的参数进行优化，构建DA-LSTM模型；在DA-LSTM模型中输入相似日的影响因素特征数据数据，对待预测日进行负荷预测；所述各影响因素的权重，计算公式包括： W＝[ω1ω2…ωm]式中：pk为第k个影响因素的MIC值，ωk为第k个影响因素的权重，k＝1,2,…,m；所述利用蜻蜓算法DA对长短期记忆网络LSTM的参数进行优化的步骤，包括：设置蜻蜓种群个数及蜻蜓种群的次数；设置LSTM的隐藏层LSTM单元的个数、学习率的取值范围，随机初始化种群；将蜻蜓的个体位置信息依次赋值给LSTM网络模型隐含层单元数和学习率；将DA-LSTM模型的平均绝对百分比误差作为蜻蜓个体当前的适应度值，每进行一次迭代操作，计算此蜻蜓个体的最小适应度值，并通过对比，选取最小适应度值作为最优值，保存寻找到最优值时所对应的隐含层单元数和学习率；计算蜻蜓个体行为，更新蜻蜓个体的邻域半径和相对位置；当满足蜻蜓算法的最大迭代次数时，则停止LSTM模型的参数寻优过程，输出蜻蜓的最小适应度值和最优值所对应的参数隐含层单元数和学习率；否则继续迭代。

全文数据：

权利要求：

百度查询： 安徽理工大学 国网安徽省电力有限公司 一种基于灰色关联的DA-LSTM的短期电力负荷预测方法