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：淮阴工学院
申请日：2024-04-23
公开（公告）日：2024-06-14
公开（公告）号：CN118199054A
主分类号：H02J3/00
分类号：H02J3/00;G06N3/0475;G06N3/0464;G06N3/045;G06N3/042;G06N3/08;G06F18/15;G06F18/213;G06F18/2415;G06N3/006
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种电力负荷预测方法、装置及介质，所述方法包括：首先对获取原始的电力负荷数据进行预处理；利用InfoGAN方法对电力负荷中缺失的数据进行重构；采用图卷积神经网络算法对电力负荷数据进行特征提取，进而把提取的有效数据构成邻接矩阵；采用随机对立学习策略、饥饿搜索策略和准反向学习策略对DBO算法进行改进，得到IDBO算法；之后把邻接矩阵输入周期性解耦神经网络模型中进行训练，同时利用IDBO算法优化周期性解耦神经网络模型参数，利用训练优化后的周期性解耦神经网络模型对电力负荷进行预测。本发明能对电力负荷进行准确预测，确保电力系统的稳定、高效运行以及对合理规划未来能源供需起着关键的作用。
主权项：1.一种电力负荷预测方法，其特征在于，包括以下步骤：1预先获取多个区域的电力负荷的原始数据，并对原始数据进行预处理；2采用InfoGAN生成对抗网络对电力负荷中缺失的数据进行重构，反映电力负荷系统的真实状态；3采用图卷积神经网络算法对电力负荷数据进行特征提取，把提取的有效电力负荷数据构成邻接矩阵；4采用随机对立学习策略、饥饿搜索策略和准反向学习策略对DBO算法进行改进，得到IDBO算法；5把邻接矩阵输入构建的周期性解耦神经网络模型中进行训练，同时利用IDBO算法优化周期性解耦神经网络模型参数，利用训练优化后的周期性解耦神经网络模型对电力负荷进行预测。
全文数据：
权利要求：
百度查询： 淮阴工学院 一种电力负荷预测方法、装置及介质
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。
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