[发明专利]一种基于深度学习进行用户电力月负荷预测的方法

摘要

本发明提供一种基于深度学习进行用户电力月负荷预测的方法，包括构建基于模糊神经网络的用户电力月负荷预测模型，并确定该模型的输入变量和期望输出值；获取包括输入变量及期望输出值的训练样本集，并使用训练样本集对模糊神经网络进行训练直至达到精度要求，得到训练好的用户电力月负荷预测模型；获取包括输入变量的预测样本集并输入训练好的用户电力月负荷预测模型中，得到预测样本集的期望输出值且均作为用户电力月负荷预测值输出。实施本发明，快速及准确的预测出用户电力月负荷，不仅为用户电量是否存在问题提供判断依据，能对用电检查，设备故障等工作给出指导性建议，还能对用电检查工作提供指导，并提升用电客户差异化服务水平。

主权项

1.一种基于深度学习进行用户电力月负荷预测的方法，其特征在于，所述方法包括以下步骤：/n构建基于模糊神经网络的用户电力月负荷预测模型，并确定所述用户电力月负荷预测模型的输入变量和期望输出值；/n从预设的用户月电力负荷历史数据中，获取包括所述输入变量及所述期望输出值的训练样本集，并使用所述训练样本集对所述模糊神经网络进行训练直至达到预设的精度要求，得到训练好的用户电力月负荷预测模型；/n获取包括所述输入变量的预测样本集，并将所述预测样本集输入所述训练好的用户电力月负荷预测模型中，得到所述预测样本集的期望输出值，且进一步将所得到的预测样本集的期望输出值均作为用户电力月负荷预测值输出。/n