摘要
本发明公开了涉及基于频域自适应滤波器的电力负荷预测方法及系统,通过清理电力负荷相关数据以生成可用时间序列数据;对时间序列数据采用离散傅里叶变换将时域数据转换为频域数据;引入频域自适应归一化层,对频域数据进行幅度过滤,区分平稳和非平稳频域数据,并采用离散傅里叶逆变换恢复时域数据;分别对平稳和非平稳时域数据进行归一化处理;利用频域自适应预测模型提取特征,生成对应的平稳和非平稳时域预测数据;将平稳和非平稳时域预测数据的结果进行加权融合,生成完整的时间序列预测数据。本发明显著提升了对平稳时域数据的预测能力,同时能够更精准地捕捉非平稳数据中的变化规律,从而增强整体的预测精度。
技术关键词
电力负荷预测方法
多层感知机
滤波器模块
电力负荷预测系统
序列
频域特征
非平稳数据
前馈神经网络
归一化模块
数据获取模块
非线性
通道
信号
频率
模式
策略
系统为您推荐了相关专利信息
冷水机组故障
生成时间序列数据
分类方法
训练样本集
无监督分类
多源异构数据
底层融合特征
多模态特征
多层次特征提取
序列
重构模型
有功功率
状态评估方法
风电机组齿轮箱
油池
语音特征
语音识别模型
语音识别方法
特征提取模块
处理单元
行人特征
行人重识别模型
跨模态
可见光
重识别方法