摘要
本发明提出了一种基于TCN‑Transformer模型的电价预测方法、系统、装置及存储介质,包括获取电价预测所需的多源数据,并对多源数据中的异常数据进行处理,将处理后的数据进行格式转化,得到与电力交易的频次一致的预测数据集;预测数据集使用XGBoost模型进行预测,得到外区域输电数据的第一目标日预测值;将多源数据以及构建第二预测数据集按照各数据所附带的时间信息进行排序以及调整,得到第三预测数据集;定义TCN模块和Transformer模块,创建TCN‑Transformer结构模型;将第三预测数据集输入TCN‑Transformer模型中进行预测得到预测结果。本方法通过对多源数据处理,然后使用TCN‑Transformer模型预测,提高了预测精度。
技术关键词
电价预测方法
XGBoost模型
灰色关联度
数据处理单元
历史负荷数据
异常数据
解码
DBSCAN聚类算法
编码模块
子模块
电价预测系统
样本
多头注意力机制
重采样方法
前馈神经网络
加权平均法
数据获取单元
系统为您推荐了相关专利信息
采集风力涡轮机
深度学习预测模型
故障类别
Kalman滤波
多模态深度学习
短期电价预测方法
集合经验模态分解
非线性
时序预测模型
周期性
结冰探测方法
机器学习模型
数据输出接口
无线传输单元
参数
样本
光伏系统故障
XGBoost模型
故障诊断模型
算法
网络流量数据
非易失性存储介质
流水线
数据处理方法
模块