龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：沈阳化工大学
摘要：本发明一种基于CNN‑BILSTM和KF相结合超短期电力系统负荷预测方法，涉及一种电力系统负荷预测方法，该方法为一种基于卷积神经网络，双向长短期记忆网络和卡尔曼滤波相结合的超短期负荷预测混合模型，该模型结合了卷积神经网络对负荷数据的特征提取能力以及双向长短期记忆网络对时间序列数据的建模能力和卡尔曼滤波对预测误差的矫正能力。并针对双向长短期记忆网络存在序列过长时数据信息丢失的可能，加入注意力机制，结果表明混合模型可以更好的预测“峰谷负荷”，鲁棒性更强，提高了负荷预测精度。
主权项：1.一种基于CNN-BILSTM和KF相结合超短期电力系统负荷预测方法，其特征在于，所述方法的步骤如下：步骤1：获取气象因素和日期因素构建数据集；步骤2：对步骤1数据经过预处理后进行聚类；步骤3：构建数据滑动窗口划分数据集；步骤4：对步骤3中数据通过CNN-BILSTM模型进行预测；步骤5：对步骤4预测数据进行KF模型修正，得到最终预测结果。
全文数据：
权利要求：
百度查询： 沈阳化工大学 一种基于CNN-BILSTM和KF相结合超短期电力系统负荷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号