摘要
本发明提供了一种基于多尺度数据特征的多层次电力负荷补充预测装置,包括:数据集成模块,用于多源数据的收集与格式化处理;时间多尺度处理模块,用于对格式化处理后的数据中的低时间频率数据进行频度提升,以得到具有同一频率的数据;数据归集模块,用于将具有同一频率的数据组合成多层级尺度深度学习模型所需格式,使用配置文件设置的方式将每一个数据特征进行层级尺度分类,而且分类结果通过不同的数据列命名区别开来,用于构建多层级尺度深度学习模型,最终对每列数据进行独立的归一化处理;多层级尺度深度学习模型模块,用于对归一化处理进行多层级尺度深度学习以输出预测值。
技术关键词
深度学习模型
预测装置
多尺度
多层次
层级
格式化
负荷
频率
集成模块
电力
数据输出模块
深度学习网络
分支
门模块
重构
标签
场景