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：山西省能源互联网研究院
摘要：本发明属于电力负荷预测领域，具体为一种基于TCN‑BiLSTM‑PSO组合模型的短期负荷预测方法。本发明利用TCN和BiLSTM两种神经网络结构的优势，提高了负荷预测的准确性和稳定性。首先，使用局部加权回归的趋势分解将负荷数据进行分解。然后，使用TCN网络来捕捉负荷数据中的长期依赖关系。同时，引入BiLSTM网络来捕捉数据的非线性特征，为了进一步提高预测效果，引入粒子群算法求出两种模型对应的组合系数，最终得到更为准确的预测值，有效解决了现有负荷预测方法存在的问题，提高了短期负荷预测的准确性和可靠性。
主权项：1.一种基于TCN-BiLSTM-PSO组合模型的短期负荷预测方法，其特征在于，包括如下步骤：步骤1使用STL分解，将一段历史负荷数据Ot分解为趋势项Tt，季节项St，残差项Rt；步骤2将经过步骤1分解后的数据分别作为TCN模型和BiLSTM模型的输入，使用上述两个单一模型分别对Ot得到的三个分量数据进行预测，TCN模型的预测结果分别为T′t、S′t、R′t；BiLSTM模型的预测结果分别为T″t、S″t、R″t；步骤3将两个单一模型预测的分量相加，得到最终的预测结果；TCN模型最终的预测结果为BiLSTM模型最终的预测结果为步骤4使用PSO算法求解组合模型系数α，β；定义适应值函数如下所示： 通过适应值函数来判断组合模型的预测效果；其中为TCN模型最终的预测结果，为BiLSTM模型最终的预测结果，Yi为步骤1输入的历史负荷数据Ot中和待预测时间对应的一个时间段的负荷数据；通过PSO算法求解α，β，使Qθ达到最小值，此时就是待预测时间段i的最佳预测负荷值。
全文数据：
权利要求：
百度查询： 山西省能源互联网研究院 基于TCN-BiLSTM-PSO组合模型的短期负荷预测方法
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