摘要
本发明属于电力负荷预测技术领域,具体涉及多项式激活函数和自适应周期融合的时间序列预测方法。所述方法包括:将电力负荷数据通过滑动窗口生成输入电力负荷样本序列和预测目标;构造分段多项式激活函数;并构建周期特征提取和非周期特征提取的双分支特征提取架构,提取输入电力负荷样本序列中的周期性特征及非周期性特征;将所述周期性特征和非周期性特征进行动态加权融合,形成融合后的特征;将融合后的特征作为输入,并结合处理层,构建成电力负荷预测模型;对所述电力负荷预测模型进行训练,采用训练好的电力负荷预测模型生成最终预测结果。
技术关键词
时间序列预测方法
电力负荷预测模型
周期性特征
多项式
深度学习模型
电力负荷预测技术
数据归一化方法
样本
分段
滑动窗口
非线性
动态
频率
分支
系统为您推荐了相关专利信息
故障预测模型
历史故障数据
工厂设备
信息化方法
物联网技术
时间序列预测模型
时间序列预测方法
补丁
混合损失函数
多尺度
多源异构数据融合
知识图谱构建方法
客户
画像
置信度阈值