摘要
本发明涉及电力负荷预测技术领域,具体而言,涉及基于企业用电电力负荷预测的节电方法,包括:获取企业历史电力负荷时间序列数据和历史电力市场数据;分别对获取的数据进行特征提取,得到第一特征集及第二特征集;将第一特征集与第二特征集进行组合,生成融合特征集;构建企业电力负荷预测模型,通过融合特征集完成企业电力负荷预测模型的训练;基于完成训练的企业电力负荷预测模型对实时获取的融合特征集进行求解,根据企业电力负荷预测值,结合定义的目标函数求解最优节电策略。本发明通过融合物理信息的AI模型提升负荷预测精度,并运用多目标优化算法平衡运营成本与预测准确性,实现企业能源管理水平的显著提升。
技术关键词
电力负荷预测模型
节电方法
企业
融合特征
序列
数据
电力负荷预测技术
决策
定义
负荷预测精度
变量
近似算法
生成代表
数值
注意力机制
传播算法
系统为您推荐了相关专利信息
路径规划方法
多模态
动态物体
图片特征点
协方差矩阵
布局特征
水印生成方法
序列
语句
SimHash算法
三维模型
卡尔曼滤波算法
序列
多项式
空间科学技术
响应预测方法
注意力机制
加速度
桥梁上部结构
加权特征
耦合神经网络
3DCNN模型
工程现场
特征提取网络
空间特征提取