摘要
本发明公开了一种适用于负荷预测特征重标定的特征工程方法和系统,方法包括:获取目标地区的历史负荷数据和气象原始数据,并统一历史负荷数据和气象原始数据的时间跨度;对统一时间跨度后的历史负荷数据和气象原始数据进行拼接和异常检测,并在检测后手动增加高斯白噪声扰动,构建初始样本集合;构建基于初始样本集合的基础特征,并在基础特征上进行特征组合,使用wrapper和filter方法分别进行特征筛选,生成特征矩阵;将特征矩阵输入SE‑Net模型中,进行特征矩阵压缩和再映射,得到特征样本集;将初始样本集合和特征样本集进行拼接,构建训练数据集合,使用LSTM模型进行拟合、验证和预测;本发明提供的方法降低了模型训练的资源占用,提高了模型预测的效率和精度。
技术关键词
特征工程方法
历史负荷数据
预测特征
样本
矩阵
LSTM模型
气象
生成特征
Pearson相关系数
加权损失函数
节假日信息
指数平滑法
特征值
处理器
基础
负荷特征
数据获取模块
数据处理模块
计算机程序产品
系统为您推荐了相关专利信息
轴承故障诊断方法
输入神经网络模型
短时傅里叶变换
故障诊断模型
双流神经网络
模型预测控制方法
子系统
切换系统
MPC算法
非线性
滑模预测控制方法
一体化隔振
扰动观测器
预测控制算法
增强型指数趋近律