摘要
本申请实施例提供一种基于结构感知聚合函数的电力负荷预测方法及装置,其方法包括:获取所述电力系统拓扑模型中每个节点的节点特征和其邻居节点的节点特征,并基于结构感知聚合函数对所述电力系统拓扑模型中每个节点的节点特征与其邻居节点的节点特征进行聚合,得到每个节点聚合后的节点特征;获取所述电力系统拓扑模型中每个节点的历史时间序列特征,并通过将所述每个节点的历史时间序列特征与所述聚合后的节点特征进行融合处理,得到每个节点的融合特征数据;通过将所述每个节点的融合特征数据输入至训练好的深度神经网络预测模型中,得到所述每个节点的电力负荷预测结果。
技术关键词
电力系统拓扑模型
节点特征
时间序列特征
电力负荷预测方法
深度神经网络
融合特征
邻居
计算机可执行指令
电力负荷预测装置
数据
关系建模
多层感知机
处理器
可读存储介质
系统为您推荐了相关专利信息
风电机组传动链系统
载荷预测方法
长短期记忆网络
深度神经网络模型
序列
多模态生物特征
图像分割网络
传输方法
特征提取网络
密钥
飞行自组网
无人机
信息收集协议
神经网络模型训练
平台
混合整数规划模型
LSTM神经网络
调度特征
车调度方法
节点特征