申请/专利权人:陕西科技大学
申请日:2024-01-26
公开(公告)日:2024-04-26
公开(公告)号:CN117933753A
主分类号:G06Q10/0637
分类号:G06Q10/0637;G06Q50/06;G06N3/0442;G06N3/08;G06F17/18
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种电力系统净负荷短期预测方法,S1:获取电力系统净负荷短期预测所需的电力基本数据;S2:采用经验模态分解的方法对初始数据进行分析,获取其内模分量;S3:连接BiLSTM网络进行预测。本发明为了更全面利用初始时间序列信号中包含的隐藏信息,在对数据的处理过程中采用了经验模态分解的方法。采用经验模态分解的方法对初始数据的特征进行提取后再结合BiLSTM网络进行电力系统净负荷短期预测,使用BiLSTM网络弥补了LSTM网络只能单向学习的不足,提高了预测性能。
主权项:1.一种电力系统净负荷短期预测方法,其特征在于,包括以下步骤:S1:获取电力系统净负荷短期预测所需的电力基本数据;S2:采用经验模态分解的方法对初始数据进行分析,获取其内模分量;S3:连接BiLSTM网络进行预测;其中,步骤S2中经验模态分解方法的具体过程为:1对初始数据进行左右比较获取局部极大值,并用三次样条函数对局部极大值数据集做插值拟合得到上包络线序列emaxt;2对初始数据进行左右比较获取局部极小值,并用三次样条函数对局部极小值数据集做插值拟合得到下包络线序列emint;3对emaxt和emint取平均值,得到瞬时平均值mt;4原始序列xt与瞬时均值序列mt做差得到类距平值序列ht,即ht=xt-mt;5判断ht是否满足IMF条件,若满足则输出类距平值序列ht,若不满足则以ht为初始序列重新开始步骤1至步骤5。
全文数据:
权利要求:
百度查询: 陕西科技大学 一种电力系统净负荷短期预测方法、系统、设备及介质
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。