基于TCN-LSTM+XGB混合模型的短期电力负荷预测方法及系统

AITNT
正文
推荐专利
基于TCN-LSTM+XGB混合模型的短期电力负荷预测方法及系统
申请号:CN202510702184
申请日期:2025-05-28
公开号:CN120632344A
公开日期:2025-09-12
类型:发明专利
摘要
本发明公开了基于TCN‑LSTM+XGB混合模型的短期电力负荷预测方法及系统,涉及信号发生器电路设计技术领域,包括:采集电力负荷数据和气象数据进行相关性分析;基于相关性分析结果,利用构建的TCN‑LSTM+XGB混合模型,进行短期电力负荷预测。本发明提高了现有电力负荷预测的准确性,本发明设计的混合模型增强了现有预测模型的稳定性能,可在电力负荷预测领域展开推广。
技术关键词
短期电力负荷预测 LSTM模型 布谷鸟算法 气象 三次样条插值法 电路设计技术 时间卷积网络 归一化方法 超参数 数据分析模块 集成方法 信号发生器 数据采集模块 小叶
系统为您推荐了相关专利信息
1
一种基于相似图识别的风电超短期功率集合预测方法
结构相似性算法 WRF模式 灰色关联分析法 功率 风电出力预测
2
一种基于最优化求解的欧洲航段LNG双燃料船舶碳排放罚款最小化系统及方法
双燃料船舶 最小化方法 船舶数据采集 人工神经网络模型 船舶载重
3
一种光伏发电功率预测方法、系统、设备及存储介质
气象历史数据 预测发电功率 训练集 参数优化算法 光伏发电功率预测
4
一种基于深度学习的天气数据预测方法及系统
数据预测方法 天气预测模型 空间特征提取 模型超参数 空间结构
5
基于矢量图形的飞行训练器仪表显示系统及动态渲染方法、计算机设备、存储介质
矢量图形元素 动态渲染方法 飞行训练器 长短期记忆模型 实时状态信息
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号