基于双尺度特征融合的季节性电力负荷预测方法及装置

AITNT
正文
推荐专利
基于双尺度特征融合的季节性电力负荷预测方法及装置
申请号:CN202510217427
申请日期:2025-02-26
公开号:CN120162525A
公开日期:2025-06-17
类型:发明专利
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
1
一种基于机器学习和地下水多同位素示踪的喀斯特地区岩溶管道识别方法
岩溶管道 同位素示踪 地下水 识别方法 空间分布特征
2
一种基于音频识别的校园冲突行为判断方法
校园 判断方法 关键词 音频编辑软件 多头注意力机制
3
一种基于动态几何体聚合的辐射场高精度重建方法
基元 协方差矩阵 监测点 动态 位置更新
4
融合河马粒子群算法LSTM的电动汽车混合储能系统能量管理方法
LSTM神经网络 粒子群算法 功率 拉普拉斯 电池
5
基于机器视觉的HDPE管生产用瑕疵检测方法
瑕疵检测方法 HDPE管 纹理 卷积神经网络量化 表达式
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