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！
摘要：本发明涉及电力负荷预测技术领域，具体是一种超短期电力负荷预测方法。本方法包括时间序列分解、基于样本熵对分解后的序列进行重构、利用神经网络对重构后的序列进行预测三部分。采用CEEMDAN分解时间序列，CEEMDAN能够适应数据的本地特征，自动从复杂的信号中提取内在的振荡模式，分解得到的IMFs可以直接用于特征工程，支持建立更精确的预测模型。超短期负荷预测模型采用TSFormer神经网络，TSFormer架构通过自注意力机制能够有效捕捉时间序列数据中的长期依赖关系，这对于准确预测电力负荷尤为关键。相比传统的RNN和LSTM，Transformer可以并行处理所有时间步，提高了训练效率和预测性能。
主权项：1.一种超短期电力负荷预测方法，其特征在于：包括以下步骤：S01）、使用完整集成经验模式分解同步扩展对原始负载序列进行分解，从非线性和非平稳的电力数据中分解出多个IMF分量序列，并同步提取时空特征；S02）、基于样本熵重构步骤S01）分解得出的IMF分量序列，得到两个新的序列，分别为波动序列F1和趋势序列F2；S03）、将波动序列F1和趋势序列F2输入由TSFormer网络构成的短期负荷预测模型，TSFormer网络包括输入层、编码器层和输出层，输入层对输入序列进行特征嵌入和位置编码，特征嵌入是将输入序列转换成高维空间中的嵌入向量，位置编码是在嵌入向量中添加位置编码以保留时间信息；编码器层由多个子编码层堆叠而成，每个子编码层均包括自注意力层和前馈网络，自注意力层将经过位置编码的嵌入向量分别通过不同的查询、键和值矩阵转换，再进行缩放点积注意力计算，得到最终的注意力输出，每个自注意力层后面接一个前馈网络，前馈网络对每个位置的输出独立地应用相同的全连接层进行线性变换和激活；输出层位于编码器层之后，通过一个或多个全连接层进行最后的预测，预测接下来几个时间点或者某一时刻的电力负荷值。
全文数据：
权利要求：
百度查询： 山东电工电气集团数字科技有限公司 中国电气装备集团有限公司 一种超短期电力负荷预测方法及装置
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