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：三峡大学
申请日：2024-03-18
公开（公告）日：2024-06-25
公开（公告）号：CN118249331A
主分类号：H02J3/00
分类号：H02J3/00;G06Q10/04;G06Q50/06;G06F18/27;G06F18/214;G06N3/045;G06N3/0442;G06N3/0499;G06N3/084
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于NeuralProphet和Bi‑GRU‑SA组合模型的电力负荷预测方法，涉及电力系统电力负荷预测技术领域，对原始数据进行预处理，包括清洗异常数据和缺失值填充；构建NeuralProphet模型，分别添加趋势项、周期项、节假日项、自回归项、滞后回归项和未来回归项；构建Bi‑GRU‑SA模型，包含Bi‑GRU层、自注意力层和全连接层；通过设计的PWSMAPE损失函数分别独立对两个模型进行训练和预测，然后依据PWSMAPE指标指导子模型权重配置，进行权重的分配和调整，形成组合预测结果。本发明采用上述结构的一种基于NeuralProphet和Bi‑GRU‑SA组合模型的电力负荷预测方法，适用于具有时序特征的电力负荷预测，具有出色的准确性、解释性和稳定性，为电力系统运营商提供精准且全面的数据支持，推动电网系统的智能化和高效运作。
主权项：1.一种基于NeuralProphet和Bi-GRU-SA组合模型的电力负荷预测方法，其特征在于，包括以下步骤：步骤S1、获取历史负荷数据以及相关气候数据，形成原始数据集，对原始数据集进行数据清洗，将数据清洗处理后的原始数据集划分为训练集和测试集；步骤S2、构建NeuralProphet模型，表达式如下： 式中：为t时刻的预测值，Tt为趋势项，St为季节项，Et为节假日项，At为自回归项，Lt为滞后回归项，Ft为未来回归项；步骤S3、构建结合自注意力机制的双向门控循环单元网络作为基础模型；步骤S4、进行组合模型预测。
全文数据：
权利要求：
百度查询： 三峡大学 一种基于NeuralProphet和Bi-GRU-SA组合模型的电力负荷预测方法
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