摘要
本发明涉及数据推理技术领域,揭露了一种用电量预测方法,所述方法包括:生成常规数据集和节假日数据集;根据提取历史用电数据的负荷波动率,并根据温度突变点与负荷波动率生成天气‑负荷耦合特征集;提取多尺度时序特征子序列,逐元素相加,得到常规预测模型;基于日期键值对将日期特征与用电量的负荷特征进行跨模态融合,得到节假日预测模型;根据目标日期类型选择预测模型,并结合天气‑负荷耦合特征集输出用电量预测值;当预测值和目标区域的实际用电量之间的偏差值超限时,将偏差值超限的用电数据反馈至S1中历史用电数据,并对预测模型进行优化,得到最终用电量预测值,本发明可以提高用电量预测的准确度。
技术关键词
耦合特征
日期
时序特征
负荷特征
天气
数据推理技术
键值
多尺度
偏差
跨模态
序列
三元组
负荷预测模型
波动特征
标签
注意力
元素
编码
系统为您推荐了相关专利信息
学生
视频超分辨率
时间序列模式
视频生成模型
数据
时序特征
风机转速
模式特征向量
语义关联度
纳米光催化剂
智能化水泵
多模态注意力
智能化控制模块
融合特征
时序特征