技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開一種基于長短時(shí)記憶神經(jīng)(LSTM)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)方法，該方法包括步驟：通過輸入單元輸入歷史時(shí)刻的電力負(fù)荷數(shù)據(jù)和區(qū)域特征因素；采用LSTM網(wǎng)絡(luò)對(duì)歷史時(shí)刻的電力負(fù)荷數(shù)據(jù)和區(qū)域特征因素進(jìn)行訓(xùn)練建模，以生成深度神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型，該深度神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型為用于供電負(fù)荷預(yù)測(cè)的單層多任務(wù)深度神經(jīng)網(wǎng)絡(luò)模型或雙層多任務(wù)深度神經(jīng)網(wǎng)絡(luò)模型；利用深度神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型對(duì)所需預(yù)測(cè)區(qū)域內(nèi)的電力負(fù)荷進(jìn)行預(yù)測(cè)并產(chǎn)生該區(qū)域內(nèi)的電力負(fù)荷預(yù)測(cè)結(jié)果；通過輸出單元輸出該區(qū)域內(nèi)的電力負(fù)荷預(yù)測(cè)結(jié)果。本發(fā)明基于深度學(xué)習(xí)領(lǐng)域中的LSTM網(wǎng)絡(luò)來構(gòu)建多任務(wù)學(xué)習(xí)的電力負(fù)荷預(yù)測(cè)模型，能夠精確預(yù)測(cè)出多區(qū)域的用電負(fù)荷，提升了預(yù)測(cè)效果。

技術(shù)研發(fā)人員：楊延?xùn)|;鄧力;李書芳;張貫京;葛新科
受保護(hù)的技術(shù)使用者：深圳市景程信息科技有限公司
技術(shù)研發(fā)日：2017.03.08
技術(shù)公布日：2017.07.18