摘要
本发明提供了一种基于长短期记忆网络的台区负荷预测方法和系统,包括:获取目标台区的实时负荷数据;根据所述实时负荷数据进行特征提取,得到负荷特征数据;根据所述负荷特征数据,利用预先构建的预测模型对所述目标台区进行负荷预测,得到所述目标台区的负荷需求数据;其中,所述预测模型是基于长短期记忆LSTM网络和所述目标台区的拓扑参数数据进行构建的;本发明利用基于LSTM网络和拓扑参数构建的预测模型对台区进行负荷预测,能够有效处理电力负荷数据中的长期依赖关系和非线性特征,使得负荷预测过程中能够自适应不同台区的物理结构特征,从而能够提高对台区级负荷预测的精度稳定性。
技术关键词
负荷特征
长短期记忆网络
负荷预测方法
多模态
历史负荷数据
耦合特征
特征提取模块
子模块
负荷预测系统
矩阵
非线性动力学
重构
轨迹
参数
分布式光伏
非线性特征
系统为您推荐了相关专利信息
多模态生理
正念减压系统
情绪状态识别
心电图监测仪
信号采集模块
多模态生理
电源管理模块
特征提取单元
分析模块
数据采集模块
信号分析方法
音乐
多频段
双向长短期记忆网络
生理
智慧监管系统
故障案例库
异常事件
固体危险废物
长短期记忆网络
可拉伸电极
低电阻
导电浆料
导电纳米颗粒
图案化电极