摘要
本发明公开了一种能源负荷预测方法,先构建包括特征提取、特征拼接和负荷预测三部分的负荷预测混合模型;特征提取部分由至少两种不同的网络模型构成,以从不同维度提取与负荷预测相关的特征;特征拼接部分用于将不同网络模型提取到的特征进行拼接,拼接后特征输入给负荷预测部分以输出最终负荷预测结果;然后对负荷预测混合模型进行训练,训练后即可进行实际负荷预测。实际负荷预测时,输入数据与训练数据对应并分别输入特征提取部分对应网络模型,负荷预测部分即输出实际能源负荷预测结果。本方法通过拼接后特征驱动预测,预测结果体现了单个模型的独特能力,能够充分利用带宽和空间资源,提高了能源负荷预测的准确性、全面性和效率。
技术关键词
能源负荷预测
卷积神经网络模型
双向长短期记忆网络
节点特征
数据
特征提取能力
前馈神经网络
正则化方法
滤波器
卷积特征
气象
高层次
模块
建筑物
时序
实体
系统为您推荐了相关专利信息
表面缺陷检测
缺陷智能检测方法
建筑材料表面
聚类
样本
感知分析系统
管控方法
算法模型
电源测试系统
定义