摘要
本申请适用于供电预测技术领域,提供了一种配电网供电能力的智能预测方法,包括:获取供电数据;利用时间序列分解算法对所述供电数据进行分解处理,得到短期波动分量和长期趋势分量;利用自适应滤波器对所述短期波动分量进行平滑处理,得到平滑时间序列特征;利用卷积神经网络对所述平滑时间序列特征进行特征提取处理,得到多维特征向量;从所述多维特征向量中提取预设关键特征,利用加权聚合算法对所述预设关键特征进行数据融合处理,确定所述预设关键特征对应的特征权重;根据所述特征权重和所述预设关键特征生成初始预测分布;根据所述初始预测分布进行供电预测,生成供电预测结果,该方法能够实现配电网供电能力的精准预测。
技术关键词
时间序列特征
多维特征向量
变电站运行数据
配电网供电能力
智能预测方法
分解算法
滤波器
时间段
反距离加权插值算法
DBSCAN聚类算法
智能预测系统
采样点
速率
负荷
网格
密度
系统为您推荐了相关专利信息
永磁电动滚筒
性能测试系统
多维特征向量
图谱
工况
智能预测方法
BP神经网络模型
蚁群优化算法
储能
PCA算法
姿态评估方法
深度神经网络模型
惯性导航系统
多维特征向量
眼动追踪技术
时序预测方法
分解特征
微震事件
集合经验模态分解
随机采样方法