摘要
本申请公开了一种电力系统的负荷预测模型训练方法、预测方法及相关装置,训练方法包括:构建负荷预测网络;获取电力系统在预置时间段内的历史负荷数据、历史天气数据和历史日期数据,得到输入时间序列;将输入时间序列输入到负荷预测网络中,通过归一化网络层依次进行离群值处理、平移和缩放处理以及幂变换;通过特征提取层进行局部特征提取,通过长短期记忆网络层对局部特征进行编码,得到编码特征,通过注意力层提取注意力特征,通过全连接层将注意力特征映射为负荷预测值;根据负荷预测值和负荷实际值计算损失值,通过损失值更新负荷预测网络的网络参数,直至负荷预测网络收敛,得到训练好的负荷预测模型。本申请提高了负荷预测精度。
技术关键词
负荷预测模型
电力系统
序列
注意力
编码特征
负荷预测方法
历史负荷数据
局部特征提取
网络
存储程序代码
数据获取单元
负荷预测精度
负荷预测装置
参数
训练装置
日期
记忆
天气
系统为您推荐了相关专利信息
编解码器
图像去模糊方法
深度卷积神经网络
多尺度特征提取
融合策略
电力需量预测
历史负荷数据
优化调度模型
负荷预测模型
计划