一种基于深度学习的配电室负载预测方法

AITNT
正文
推荐专利
一种基于深度学习的配电室负载预测方法
申请号:CN202510810185
申请日期:2025-08-04
公开号:CN120691356A
公开日期:2025-09-23
类型:发明专利
摘要
本发明公开了一种基于深度学习的配电室负载预测方法,包括如下步骤:S1、采集配电室的结构化时序数据和非结构化信息;S2、将结构化时序数据输入至卷积神经网络中,提取时间序列特征向量;S3、将非结构化信息分别输入至卷积网络和处理单元,提取辅助特征向量;S4、对时间序列特征向量与辅助特征向量进行拼接,构建多模态特征表达向量;S5、将多模态特征表达向量输入至动态时空注意力机制模型中,获得时空建模结果;S6、将时空建模结果输入至变分自编码器模型,输出重构特征;S7、将所述重构特征输入至预测层,生成负载预测值;S8、构建负载预测模型。本发明融合变分自编码器与分布式协同训练,实现配电室负载的高精度动态预测与数据隐私保护。
技术关键词
负载预测方法 时空注意力机制 预测网络模型 时序 多模态特征 编码器 一维卷积神经网络 重构 地理位置信息 编码模块 时间序列特征 配电室监测系统 参数 二维卷积神经网络 滑动窗口
系统为您推荐了相关专利信息
1
基于多源数据分析的物流配送优化系统
物流配送优化 订单 映射关系建立 商品库存信息 仓库
2
基于XGBoost和SVM算法的电力设备温湿度监测方法、装置、设备
电力设备温湿度 XGBoost模型 时序特征 SVM算法 判别规则
3
基于神经网络的多源异构能源数据融合方法及系统
数据融合方法 分布式系统 子系统 深度融合网络 交互特征
4
基于AI负载监测的超算资源智能调配方法及系统
智能调配方法 资源分配优先级 需求预测模型 时序特征 负载特征
5
一种基于大模型的数字经济高频交易波动预测方法
波动预测方法 分布鲁棒优化 深度神经网络 波动特征 数据
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