摘要
本公开涉及一种电力负荷预测方法、装置、及电子设备,涉及电力系统控制技术领域,包括:利用时间卷积网络特征电力负荷数据序列的时间特征序列;将时间特征序列输入到电力负荷预测模型进行电力负荷预测处理,得到预测电力负荷值,电力负荷预测模型包括双向长短期记忆网络、自注意力层和全连接层,双向长短期记忆网络用于对时间特征序列进行处理,并输出处理后的时间特征序列,自注意力层用于利用自注意力机制,对双向长短期记忆网络输出的时间特征序列进行加权处理,全连接层用于对加权处理的时间特征序列进行映射处理,得到预测电力负荷值。本公开方案能够有效处理时间序列数据的顺序信息和长期依赖关系,满足对高精度电力负荷预测的需求。
技术关键词
长短期记忆网络
电力负荷预测方法
序列
电力负荷预测模型
Sigmoid函数
预测电力负荷
时间卷积网络
多层注意力机制
依赖特征
状态更新机制
电力负荷预测装置
非线性
电力系统控制技术
因子
系统为您推荐了相关专利信息
设备故障预测
时空卷积神经网络
故障特征
深度强化学习算法
进程
路径优化方法
船舶
浒苔
加速度
海洋环境治理技术
异常报警系统
计算机视觉
火焰燃烧状态
特征值
燃气灶具
智能学习记忆功能
笔杆
充电接口
数据采集模块
双通道模型
套管串
模拟退火算法
盘面
数据输出模块
电子终端