龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西安邮电大学
申请日：2024-02-06
公开（公告）日：2024-05-07
公开（公告）号：CN117996748A
主分类号：H02J3/00
分类号：H02J3/00;G06F17/15;G06F17/16;G06F17/18;G06Q10/04;G06Q50/06
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.24#实质审查的生效;2024.05.07#公开
摘要：一种基于Prophet‑VMD‑TCN的分钟间隔变电站超短期负荷预测方法，首先将超短期时间序列按照线性插值进行空缺值填补；随后采用Prophet算法将变电站时间负荷序列分解为平稳的趋势分量和周期分量；其次将真实值与分量之和的差值作为残差项；之后使用变分模态分解方法对非平稳残差项进行分解得到不同分量；同时采用MIMO策略和指定滑动步长的滑动策略构建输入和输出矩阵以缩短计算时间，输入矩阵内部由多尺度时间特征构成,输出矩阵由预测一个小时数据量决定；最后将提取的所有分量作为TCN的输入进行预测，本发明降低了序列的复杂性和负荷数据的不确定性，提高了预测精度。
主权项：1.一种基于Prophet-VMD-TCN的分钟间隔变电站超短期负荷预测方法，其特征在于，包括以下步骤：步骤一、对于实际采样获得的变电站电力负荷序列出现的缺失数据问题，基于线性插值填补法补充数据中的缺失值；步骤二、利用Prophet算法将步骤一已填补过的变电站电力负荷序列进行拟合，之后将其分解为趋势特征分量、周周期特征分量、日周期特征分量，并考虑真实值与分量之和的差值获得残差项；步骤三、依照步骤二得到残差项后，利用VMD算法寻找模式集，将非平稳的残差项信号重构，进行分解得到残差项分解的分量；步骤四、将步骤二得到的趋势、周周期、日周期特征分量及步骤三残差项分解的分量，进行最小-最大归一化： 其中，x′∈[0,1]和x分别是归一化后的输入值和原始输入值；xmax和xmin分别是原始输入的最大值和最小值；步骤五、基于步骤四的归一化数据采用MIMO策略构建多特征输入矩阵，作为TCN模型的输入数据；步骤六、根据预测需求，对TCN模型进行参数设置，包括迭代次数、过滤器大小、堆叠数、卷积核大小，扩张因子，通过对变电站近一段时间内的数据进行训练，捕捉长序列依赖关系，在保证预测精度的同时，减少训练时间，对变电站进行超短期预测；步骤七、将步骤六的变电站超短期预测结果进行反归一化，得到负荷真正的预测值。
全文数据：
权利要求：
百度查询： 西安邮电大学 一种基于Prophet-VMD-TCN的分钟间隔变电站超短期负荷预测方法
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