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：安徽理工大学
申请日：2024-03-20
公开（公告）日：2024-06-18
公开（公告）号：CN118213986A
主分类号：H02J3/00
分类号：H02J3/00;G06F18/15;G06F18/214;G06F18/243;G06F18/25;G06Q50/06
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明涉及电力负荷预测领域，更具体的说是涉及一种基于经验小波分解和足球队训练优化算法的短期电力负荷预测方法，包括以下步骤：获取负荷数据；负荷分解；计算信号重要度并合并分量；对合并分量提取时域特征、频域特征、熵特征；将时域特征、频域特征、熵特征合并得到联合特征；构建预测模型。采用ICEEMDAN对负荷数据进行分解，通过DHFTTA算法对CatBoost模型的参数进行寻优，构建DHFTTA‑CatBoost模型对得到的联合特征进行预测，具有较好的预测性能并具有较好的鲁棒性，易于实现。
主权项：1.基于经验小波分解和足球队训练优化算法的短期电力负荷预测方法，其特征在于，包括以下步骤：S1：采集某地区有功负荷数据，对负荷数据进行预处理，对缺失数据进行填补，然后进行数据归一化处理；S2：采用经验小波分解对数据进行分解，得到不同的经验模态分量，通过DTW方法选出相关性较高的分量；S3：将天气数据通过随机森林进行重要属性筛选，得到按照重要性依次递减的天气数据；S4：将得到的经验模态分量及天气数据进行融合，得到融合数据，随后提取时域、频域、熵特征，得到总特征；S5：将总特征数据划分训练集和测试集，并构建CatBoost预测模型；S6：采用动态混合足球队训练算法DynamicHybridFootballteamtrainingalgorithm，DHFTTA对CatBoost预测模型进行求解，得到最优参数模型，输出预测结果。
全文数据：
权利要求：
百度查询： 安徽理工大学 基于经验小波分解和足球队训练优化算法的短期电力负荷预测方法
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