摘要
一种基于时频特征的分布式能源发电功率预测方法及系统,收集需要预测的分布式能源节点的历史发电功率时序数据;将历史发电功率时序数据输入编码器,编码器的自注意力层提取序列的依赖特征,编码器的STFT层提取序列的时频特征;然后将历史发电功率时序数据和编码器的自注意力层提取的序列依赖特征、编码器的STFT层提取的序列时频特征相加,通过前馈层得到编码器的输出编码结果;最后基于编码器的输出编码结果,使用解码器预测分布式能源节点的发电功率序列。本发明利用自注意力机制和STFT有效捕捉长期地、大量地分布式能源历史发电数据之间的依赖关系和时频特征,并引入稀疏操作,有效降低了数据运算量,提高了序列预测的准确性。
技术关键词
分布式能源发电
注意力
序列
依赖特征
短时傅里叶变换
编码器
功率预测方法
矩阵
解码器
时域特征
特征提取单元
功率预测系统
时序
计算机程序代码
特征提取模块
数据收集模块
前馈神经网络
索引
系统为您推荐了相关专利信息
自动摘要方法
前馈神经网络
融合图像特征
文本特征向量
图像特征向量
残差神经网络
卷积模块
信号去噪方法
注意力
图像
修复方法
子模块
感知损失函数
采样模块
收集训练数据