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：国网上海市电力公司
申请日：2023-11-08
公开（公告）日：2024-06-21
公开（公告）号：CN118228853A
主分类号：G06Q10/04
分类号：G06Q10/04;G06Q50/06;G06F18/2113;G06N3/0455;G06N3/084;G06N5/04;G06F123/02
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种基于因果发现和深度学习的用电量预测方法，包括如下步骤：步骤1：获取用电量历史数据，对数据进行清洗和预处理；步骤2：通过因果发现算法发现数据之间的因果关系，进行数据特征筛选；步骤3：构建考虑非稳态性的深度学习模型KL‑Informer，引入多重采样机制；优化损失函数结构，增加模型的非稳态性；步骤4：将数据集切分为训练集、验证集和测试集，然后将训练集和验证集放入模型中训练，通过迭代更新模型参数，当连续三次验证集的损失没有降低时，则表明模型已迭代至局部最优解，模型训练完成；之后将测试集放入模型运行，用均方误差MSE和平均绝对误差MAE作为评测标准，验证模型性能。本发明实现了用电量的高效率预测。
主权项：1.一种基于因果发现和深度学习的用电量预测方法，其特征在于，包括如下步骤：步骤1：获取用电量历史数据，对数据进行清洗和预处理；步骤2：通过因果发现算法发现数据之间的因果关系，进行数据特征筛选；步骤3：构建考虑非稳态性的深度学习模型KL-Informer，引入多重采样机制，并优化损失函数结构；步骤4：将数据集切分为训练集、验证集和测试集，然后将训练集和验证集放入模型中训练，每次迭代都会根据训练集的损失来反向传播更新模型参数，而验证集并不参与参数更新，只是比较每次迭代是否相较于上一次损失有所进步；当连续n次验证集的损失没有降低时，则表明模型已迭代至局部最优解，模型训练完成；之后将测试集放入模型运行，用均方误差MSE和平均绝对误差MAE作为评测标准，验证模型性能。
全文数据：
权利要求：
百度查询： 国网上海市电力公司 一种基于因果发现和深度学习的用电量预测方法
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