摘要
本公开提供了基于模态分解与多维需求的短期工业负荷预测方法及系统,涉及工业储能规划及负荷预测技术领域,包括将原始负荷数据分解为多个模态分量,按照时间信息细粒度提取各时间周期的功率特征编码表示;获取原始负荷数据对应的订单量数据,并通过细粒度特征编码网络提取各时间周期的订单特征编码表示;将功率特征编码表示和订单特征编码表示输入至预测网络模型中,先将各部分特征加权编码,得到对应的时间‑任务量融合特征表示,再各个时间周期的时间‑任务量融合特征表示进行融合,得到融合后的加权负荷编码特征,通过全连接层进行未来负荷用电预测,得到最终的预测向量结果。为提高电力系统的效率和经济性提供了一种可行的解决方案。
技术关键词
负荷预测方法
预测网络模型
细粒度特征
编码特征
融合特征
订单
非暂态计算机可读存储介质
多头注意力机制
工业
数据标记编码
周期
功率
负荷预测技术
负荷预测系统
解码器
编码器
系统为您推荐了相关专利信息
文本检测方法
语义特征
注意力机制
多尺度卷积神经网络
融合特征
实时检测方法
特征提取模块
葡萄
归一化模块
高分辨率信息
智能评估系统
AI大数据
数据处理模块
融合特征
时序特征
超分辨率重建模型
对比度
图像超分辨重建
频域特征
融合特征