龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：上海海事大学
摘要：本发明公开了一种基于QPSO‑LSTM网络的岸电系统负荷预测方法，具体来说，是基于量子粒子群算法Quantum‑behavedParticleSwarmOptimization，QPSO和长短期记忆网络LongShort‑TermMemory，LSTM的岸电系统负荷预测方法，本发明利用QPSO算法优化LSTM网络的隐含层节点数、训练次数和学习率，解决了因传统LSTM网络结构及参数的不确定性产生的精度问题，从而构建了基于QPSO‑LSTM网络的岸电系统负荷预测模型。并做案例分析，将该模型与基于传统神经网络的岸电系统负荷预测模型进行了对比。结果表明本发明所提出的方法具有更高的预测性能，从而能够为电网公司未来进行港口岸电系统负荷预测提供一个较好的预测方法。本发明还提供了一种基于QPSO‑LSTM网络的岸电系统负荷预测系统，包括预处理部、训练部、预测部以及评估部。
主权项：1.一种基于QPSO-LSTM网络的岸电系统负荷预测方法，其特征在于，包括以下步骤：步骤S1，对原始岸电系统负荷数据进行数据清洗和归一化预处理后，将数据分为训练集数据和测试集数据；步骤S2，将所述训练集数据输入到LSTM网络层中进行训练，并将隐藏层节点数L、学习率lr和网络训练次数K通过QPSO优化层进行寻优，将每次得到的最优值返回至所述LSTM网络层中从而训练得到QPSO-LSTM网络模型；步骤S3，将所述测试集数据输入到训练好的所述QPSO-LSTM网络模型中，并反归一化输出所述测试集数据的最终预测结果，并进行基于不同网络的岸电系统负荷预测模型之间的案例对比分析；步骤S4，根据上述结果进行基于QPSO-LSTM网络的岸电系统负荷预测模型能力的评估。
全文数据：
权利要求：
百度查询： 上海海事大学 一种基于QPSO-LSTM网络的岸电系统负荷预测方法与系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号