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
磷酸铁锂电池
策略优化方法
强化学习模型
充电电流曲线
调制特征
图案生成方法
饮品制作
图像生成模型
拉花
语义实体
库存管理系统
订单
量子退火算法
动态仓库
时序预测模型
电力需求预测方法
需求预测模型
电力需求预测系统
节点
能源
编码向量
建筑设备
建筑智能化
BIM技术
运维信息交互