摘要
本申请实施例提供了一种发电站的时序数据预测方法和装置、电子设备及存储介质,属于人工智能技术领域。该方法包括:获取发电站的第一样本时序数据和第二样本时序数据;分别对发电量子数据和关联资源子数据进行嵌入编码,得到单变量特征序列,融合得到融合特征序列。根据融合特征序列的特征维度对融合特征序列进行拆解,得到至少两个融合特征子序列,并通过预测子模块对所有的融合特征子序列进行预测,得到预测特征序列。计算损失值并据此对初始时序数据预测模型进行参数调整,得到目标时序数据预测模型。获取发电站的历史发电数据,并基于目标时序数据预测模型对于历史发电数据进行预测。本申请实施例能够提高发电站的时序数据的预测效率。
技术关键词
融合特征
序列
预测特征
发电站
时序数据预测方法
变量
发电量
子模块
样本
资源
电子设备
注意力
级联
可读存储介质
矩阵
人工智能技术
编码
系统为您推荐了相关专利信息
多尺度特征融合
生成对抗网络
数字孪生
动态
Sigmoid函数
数据访问请求
芯片
功能模块
转移概率矩阵
防护方法
工业产品图像
分块特征
图像编码器
文本编码器
图像异常检测方法