摘要
本发明提供了一种基于双尺度特征融合的季节性电力负荷预测方法,涉及电力信息技术领域,用以解决现有电力负荷预测方法在季节性波动场景下预测精度不足的技术问题。该方法包括:获取原始电力负荷数据,并对原始电力负荷数据进行预处理;根据预处理后的原始电力负荷数据,生成结构化的图数据;将图数据输入预先训练好的电力负荷预测模型,并执行以下操作;利用图卷积网络提取出图数据中不同节点之间的空间分布特征;利用时间卷积网络提取出特征变量中相邻时间步之间的短期依赖特征;利用双向长短期记忆网络提取出特征变量在全局时间内的长期依赖特征;根据空间分布特征、短期依赖特征和长期依赖特征的融合特征,预测目标时间步的电力负荷值。
技术关键词
依赖特征
电力负荷预测模型
空间分布特征
时间卷积网络
电力负荷预测方法
长短期记忆网络
数据
变量
电力负荷预测装置
集合经验模态分解
融合特征
节点
电力信息技术
相关系数阈值
输出特征
系统为您推荐了相关专利信息
岩溶管道
同位素示踪
地下水
识别方法
空间分布特征
校园
判断方法
关键词
音频编辑软件
多头注意力机制
LSTM神经网络
粒子群算法
功率
拉普拉斯
电池
瑕疵检测方法
HDPE管
纹理
卷积神经网络量化
表达式