[发明专利]一种基于LSTM神经网络的电力负荷预测方法

权利要求书

1.一种基于LSTM神经网络的电力负荷预测系统，包括：区块电力参数信息获取模块、中央运算处理模块、执行命令生成模块，所述区块电力参数信息获取模块包括有区域单位各时段电力负荷数据集合单元、电表数据信息画面监测单元、区域地理位置信息数据获取单元，所述中央运算处理模块包括区域单位电力负荷数据接收单元，LSTM神经网络模型单元、电力负荷数据补录单元，所述LSTM神经网络模型单元包括数据信息总存储模组、冗余存储模组、处理器模组、数据比对模组、图像信息处理模组。

2.根据权利要求1所述一种基于LSTM神经网络的电力负荷预测系统，其特征在于，所述区域单位各时段电力负荷数据接收单元用以接收各个分区区域内各个输电线路在不同时间段各种电力数据信息，包括有不同时间段流经输电线路的电压数据信息，电流数据信息，电功率数据信息以及输电线路的温度信息数据。

3.根据权利要求1所述一种基于LSTM神经网络的电力负荷预测系统，其特征在于，所述电表数据信息画面监测单元用以监测电表检测数据数值，并将监测画面实时传递至LSTM神经网络模型单元的图像信息处理模组处。

4.根据权利要求3所述一种基于LSTM神经网络的电力负荷预测系统，其特征在于，所述图像信息处理模组逐个将接受的图像信息进行像素升维处理，再由处理器模组抓取升维的像素信息中包含有电表数据信息的关键像素信息数据，处理器模组再将抓取的关键像素信息数据进行重组形成图像信息数据。

5.根据权利要求1所述一种基于LSTM神经网络的电力负荷预测系统，其特征在于，所述电力负荷数据补录单元用以将不同区域单位在各个时段的电力负荷数据实时传递至LSTM神经网络模型单元处。

6.根据权利要求2所述一种基于LSTM神经网络的电力负荷预测系统，其特征在于，所述区域单位各时段电力负荷数据接收单元再将各个分区区域内各个输电线路在不同时间段各种电力信息数据信息进行传送的过程中，所述区域地理位置信息数据获取单元同时将该区域单位所处的具体地理位置信息进行精准定位，再将定位后的各个分区区域地理位置一并发送至LSTM神经网络模型单元处。

7.根据权利要求6所述一种基于LSTM神经网络的电力负荷预测系统，其特征在于，所述LSTM神经网络模型单元将接受后的所有信息数据存储在数据信息总存储模组内，随后处理器模组将所存储的输电线路电力数据信息再发送至处理器模组内部已经预先搭建好的LSTM神经网络模型处。

8.根据权利要求7所述一种基于LSTM神经网络的电力负荷预测系统，其特征在于，通过处理器模组内已搭建的LSTM神经网络模型将所接受的各个分区区域内输电线的电力数据信息参数进行分析，得出各个分区区域输电线路的输电情况，一个分区区域内在不同时间段内输电线路电力参数的波峰以及波谷数值以及波峰、波谷出现时的时间。

9.根据权利要求8所述一种基于LSTM神经网络的电力负荷预测系统，其特征在于，再由数据比对模组将LSTM神经网络模型分析得出的分区区域电力数据信息与比对模组中已存储的电力数据信息进行一一对照比对。

10.根据权利要求1-9中任一项所述一种基于LSTM神经网络的电力负荷预测方法，包括如下：

步骤一S1：收集各个分区输电线路各个时间工作时的电力数据信息参数；

步骤二S2：将收集的各分区电力数据信息参数通过LSTM神经网络模型分析得出每个分区在同样一段时间内的用电总量情况，以及单个分区区域内输电线路用电数据的波峰以及波谷所处时间，以及波峰波谷处时的电力参数值；

步骤三S3：通过处理器模组将通过LSTM神经网络模型分析得出的信息数据与数据对比模组中相对应的信息数据进行一一比对，得出各个分区区域在不同季节内每天所需供应的最大电力参数值，以及单个分区区域内输电电线在不同季节内每天用电波峰以及波谷的电力参数数值；

步骤四S4：执行命令生成模块将步骤四中得到的电力参数数值将执行指令重新输回至中央运算处理模块处；

步骤五S5：由中央运算处理模块通过执行命令生成模块输回的指令对每个分区区域的电力进行分配以及安排单个分区区域内输电电线的输电参数。