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：华北电力大学;国网上海市电力公司;国家电网有限公司

摘要：本发明属于电力系统负荷预测的技术领域，具体涉及一种基于GRU神经网络的分布式资源出力预测方法，用于更快速有效地预测分布式资源出力，首先对分布式资源出力历史数据进行预处理，并将处理后的数据划分为训练集与测试集，将训练集数据作为GRU神经网络模型的输入，经训练获得分布式资源出力预测值，计算预测误差，然后通过改进粒子群算法优化GRU神经网络模型中的权重参数，得到最优GRU神经网络模型，以实现分布式资源出力的快速精确预测。

主权项：1.一种基于GRU神经网络的分布式资源出力预测方法，其特征在于：所述分布式资源出力预测包含：步骤101：对分布式资源出力历史数据预处理，包括异常数据修正、遗漏数据补充、数据归一化处理，将经预处理后的数据作为GRU预测模型输入。步骤102：GRU神经网络分为输入层，隐含层和输出层，其中隐含层。GRU基本单元中x为输入，y为输出，h为隐含层状态，ht为t时刻隐含层的状态，ht-1为t时刻之前的隐含层的状态，ht+1为t时刻之后的隐含层的状态。GRU神经网络的循环体单元中包含重置门rt和更新门zt两个门控机制。步骤103：使用训练集训练GRU神经网络模型；输入训练集数据，由式12分别计算更新门、重置门输出：zt＝δwzXt+pzht-11rt＝δwrXt+prht-12其中δ为sigmoid激活函数，wz、pz为更新门的权重，wr、pr重置门的权重，Xt为当前神经元输入，ht-1为上一神经元输出。由式3计算当前隐含层的激活状态： 其中⊙为矩阵的Hadamard积，为tanh激活函数。当前隐含层状态可表示为： 神经网络输出可表示：y＝δwyht5其中wy为权重。计算基于GRU神经网络的分布式资源出力的均方误差： 其中Yt表示分布式资源出力真实值，yt表示预测值。步骤104：初始化改进粒子群算法：GRU的初始权值参数构成粒子群个体，假设搜索空间为D维，搜索空间存在N个粒子，第i个粒子位置为Xi＝xi1,xi2,...,xiDT、速度是Vi＝vi1,vi2,...,xiDT。个体最优位置是Pbesti＝pbesti1,pbesti2,...,pbestiDT，全局最优位置是Gbesti＝gbesti1,gbesti2,...,gbestiDT。设定算法参数，初始化粒子群得到初始种群，设置初始个体最优位置为Pbest，初始全局最优位置为Gbest；步骤105：基于改进粒子群算法优化GRU神经网络中的权重参数wz、pz、wr、pr、w、p、wy，优化目标为均方根误差最小的GRU对应的粒子；步骤106：采用优化后的GRU模型对预测样本数据进行预测。

全文数据：

权利要求：

百度查询： 华北电力大学 国网上海市电力公司 国家电网有限公司 一种基于GRU神经网络的分布式资源出力预测方法