摘要
本发明涉及一种新型的低压电压负荷预测方法,属于电力系统优化领域。所述方法,对输入的时间序列因子、经济因子、气象因子、拓扑因子的4种影响因子进行特征提取,并通过多头注意力机制进行多模态特征融合,融合后的特征通过预测网络进行负荷预测。融合后的特征通过预测网络进行负荷预测过程中,还引入动态阻抗修正模块对输入数据进行实时的调整和优化,以适应不同时间段内的变化特征。还通过边缘计算和联邦学习实现了模型的高效部署与在线更新,确保了实时性和准确性。本发明提高了电力负荷预测的准确性和实时性。
技术关键词
负荷预测方法
特征提取方式
多模态特征融合
因子
多头注意力机制
线性变换矩阵
低压
历史负荷数据
节点
气象
动态
电压
优化电力系统
多尺度特征融合
序列
空间降尺度
电力负荷预测
系统为您推荐了相关专利信息
交叉注意力机制
多尺度特征提取
融合特征
深度图
图像
青光眼眼底图像
生成对抗网络
超分辨率重建图像
OTSU算法
超分辨率重建方法
评价指标体系
人工蜂群算法
单轴抗压强度
高斯径向基函数
训练集