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：本发明涉及负荷预测技术领域，尤其涉及基于DCT‑FEDformer的短期住宅负荷预测方法，解决了短期住宅负荷预测方法存在预测精度低的技术问题，包括建立DCT‑FEDformer模型；选取电力负荷数据，将所有电力负荷数据划分训练集和测试集，对电力负荷数据进行归一化处理；对DCT‑FEDformer模型进行训练并验证；保存最优DCT‑FEDformer模型；通过最优DCT‑FEDformer模型即可对短期住宅负荷进行预测。通过该模型可提高预测的精确性、稳定性和一致性，而且更加节能，采用归一化处理后的数据进行训练和验证该DCT‑FEDformer模型，有助于加速模型收敛、消除特征之间的不平衡。
主权项：1.基于DCT-FEDformer的短期住宅负荷预测方法，其特征在于，包括如下步骤：步骤一、建立DCT-FEDformer模型：引入离散余弦变换DCT模块替换原始FEDformer模型中的DFT，将原始FEDformer模型中频率增强注意力模块替换为DCT注意力模块，将原始FEDformer模型的编码器输出线路上原本步长为1且内核大小为1的卷积替换为内核大小为k且步长为1的因果卷积，编码器的输出数据通过因果卷积处理后转换为V和K输入至DCT注意力模块；步骤二、选取一定量真实的电力负荷数据，将所有电力负荷数据按照7:3划分训练集和测试集，训练集用于对DCT-FEDformer模型进行训练，测试集用于对DCT-FEDformer模型进行测试；步骤三、归一化处理：采用min-max标准化将训练集和测试集的数据归一化到[0,1]；步骤四、将DCT-FEDformer模型的迭代训练次数epochs设置为100，批量大小batch_size设置为64，学习率learning_rate设置为0.001；步骤五、然后将训练集输入构建好的DCT-FEDformer模型进行训练，得到最优DCT-FEDformer模型，并通过验证集对最优DCT-FEDformer模型进行验证；保存最优DCT-FEDformer模型；步骤六、通过最优DCT-FEDformer模型即可对短期住宅负荷进行预测。
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DCT-FEDformer的短期住宅负荷预测方法
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