考虑多尺度时滞相关性的短期负荷预测方法及系统

AITNT
正文
推荐专利
考虑多尺度时滞相关性的短期负荷预测方法及系统
申请号:CN202510175055
申请日期:2025-02-18
公开号:CN120222321A
公开日期:2025-06-27
类型:发明专利
摘要
一种考虑多尺度时滞相关性的短期负荷预测方法及系统,包括构建负荷及综合气象指数的时间序列数据;通过经验模态分解的衍生方法对负荷及综合气象指数的时间序列数据分别进行分解;将各负荷尺度分量和各综合气象指数尺度分量分为多个分析模态组并分别分析第一整体动态相关性;基于第二整体动态相关性,修正第一整体动态相关性小于设定动态相关性阈值的分析模态组中,两种分量间的延时;采用各分析模态组对负荷预测模型进行训练;通过训练好的负荷预测模型实时获取短期负荷预测最终结果。本发明通过对负荷与多元数据的时间超前/滞后关系进行修正,同时增强了对不同变化周期的多元数据进行动态分析能力,提升了负荷预测的准确性。
技术关键词
短期负荷预测方法 短期负荷预测模型 滑动窗口 多尺度 气象 动态 噪声分量 指数 集合经验模态分解 长短期记忆网络 分析模块 序列 短期负荷预测系统 多时间尺度 采样点 注意力机制 数据
系统为您推荐了相关专利信息
1
一种浮游生物泵的滤网健康度确定方法、介质及系统
微生物种类 滤网 特征金字塔 深度卷积神经网络 注意力机制
2
一种基于STL与变点检测的电力数据匹配方法、系统、设备及存储介质
数据匹配方法 特征工程 电力 计算机可执行指令 数据匹配系统
3
一种基于北斗水汽的时空智能面雨量定性预报方法
降雨模型 大气可降水量 预报方法 相对湿度 气象历史数据
4
一种基于气象因素和小波变换的LSTM负荷预测方法、系统、介质及处理器
负荷预测方法 气象历史数据 预测误差 评估预测模型 训练集数据
5
基于多尺度特征融合的配电网负荷构成识别方法和系统
多尺度特征融合 轨迹特征 卷积神经网络训练 卷积神经网络池化层 识别方法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号