摘要
一种基于影响因素的用电预测方法及系统,其特征在于,所述方法包括以下步骤:采集与用电相关的原始数据,并基于所述原始数据计算不同用电时段下的影响因素向量;采用K‑Means聚类算法对所述影响因素向量进行聚类,以获得最优聚类结果;基于所述最优聚类结果构造数据集,并将所述数据集输入至预先构造的用电预测的神经网络模型中,以获得未来时段的最优用电方案。本发明预测结果精确,能够有效捕捉异常用电场景,发现潜在用电风险,为完善用电规则提供参考。
技术关键词
聚类
神经网络模型
样本
数据
算法
注意力机制
预测系统
模块
处理器
可读存储介质
负荷
火电
指令
计算机
场景
电力
终端
定义
风险
功率
系统为您推荐了相关专利信息
时空融合特征
时空图卷积神经网络
交易量预测方法
卷积特征
节点
快递配送机器人
双目摄像头
无人驾驶车
机械臂
网络通信模块
场景生成方法
船舶
数据驱动算法
红外图像增强算法
加权引导滤波
芯片老化测试系统
老化测试装置
老化测试方法
红光芯片
数据采集模块