龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽大学
摘要：本发明提出一种VMD‑A‑TCN多元负荷预测方法，首先利用聚类方法，结合负荷的周期性规律，构建第一重分段即周期性分段规则，以挖掘负荷不同周期的时序特征，得到典型负荷曲线；在此基础上，利用基于峰谷时刻的重要点分段方法，将典型负荷曲线分段，构建第二重分段规则；然后计算多元负荷间基于相关性系数的加权相似性，筛选相似日作为预测模型的数据集；对数据集中的多元负荷进行变分模态分解得到多个不同的本征模态函数，以降低负荷序列的非线性，同时为降低预测的时间复杂度把熵值相近的IMF聚合；最后采用融合注意力机制的时序卷积网络进行预测，得到预测结果，本发明所提方法能够有效提高预测结果的准确率。
主权项：1.一种VMD-A-TCN多元负荷预测方法，根据双重分段和相似日进行选取，其特征在于，包括：步骤一：构建双重分段规则，运用聚类的方法挖掘历史负荷的周期性，对挖掘的历史负荷进行第一重分段，在第一重分段的基础上，提取分段周期内典型负荷曲线，利用基于峰谷时刻的重要点构建第二重分段规则，所述峰谷时刻为每日能源供应的峰谷阶段时间；步骤二：相似日选择，用斯皮尔曼相关性系数，计算负荷影响因素与负荷的相关性系数，选择和负荷相关性高的因素作为特征，计算相似性系数并排序，选择相似性系数高的日期作为相似日，以相似日的数据作为训练集数据，并按照分段规则将数据进行分段并对数据进行挑选；步骤三：将挑选出的数据集变分模态分解，然后输入融合注意力机制的TCN网络设置网络模型中卷积核数目、膨胀因子数、训练回合数、学习率等超参数，建立网络模型，采用训练集数据训练模型，更新迭代模型参数直到训练完成，确定预测网络模型；步骤四：将待预测日数据输入训练完成的模型进行预测，得到预测结果。
全文数据：
权利要求：
百度查询： 安徽大学 一种VMD-A-TCN多元负荷预测方法
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