摘要
本申请公开一种结合小波变换和LSTM的用电量预测方法和装置,方法包括:确定需要预测用电量的目标时间段,并在预设历史周期所含多个时间段中确定在目标时间段之前的多个参考时间段;获得目标时间段和每一参考时间段的用电量特征,每一时间段的用电量特征均包括该时间段之前多个时间尺度和多个时间间隔的参考用电量,参考用电量由历史周期所含各时间段的原始用电量经过小波变换处理得到;根据预先构建的用电量预测模型处理目标时间段的用电量特征和每一参考时间段的用电量特征,得到目标时间段的预测用电量,用电量预测模型为基于长短期记忆网络的深度学习模型。
技术关键词
时间段
小波变换处理
深度学习模型
长短期记忆网络
周期
数据
插值装置
处理单元
插值方法
样条
预测装置
标签
样本
日期
误差
系统为您推荐了相关专利信息
特征提取网络
碰撞识别方法
车辆
时间段
深度学习模型
动态障碍物
载波相位差分技术
构建无人机
决策
策略
广告营销系统
广告投放策略
数据更新
投入产出比
传输单元
异常识别方法
水浸传感器
水温传感器
高炉冷却水管
速率