CN115577754B 一种基于事理图谱的电力负荷预测方法 （北京交通大学）_第1页
CN115577754B 一种基于事理图谱的电力负荷预测方法 （北京交通大学）_第2页
CN115577754B 一种基于事理图谱的电力负荷预测方法 （北京交通大学）_第3页
CN115577754B 一种基于事理图谱的电力负荷预测方法 （北京交通大学）_第4页
CN115577754B 一种基于事理图谱的电力负荷预测方法 （北京交通大学）_第5页
已阅读5页，还剩23页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明提供了一种基于事理图谱的电力负事件集合；再根据MAT对原因事件集合中的节点2步骤S1，根据电力历史日度数据和月度数据中的电力相步骤S5，构建多变量短期电力负荷预测模型MNLF，所述期时间序列的权重进行加权表示，并将加权表示的结果与短期时间序列嵌入表示进行拼用CNN作为编码器，将长期时间序列作为图片对象进行处理，提取不同变量之间的互相影所述多变量短期电力负荷预测模型MNLF，基于记忆网络进行构建，序列{Xi}＝X1,...,Xn经编码器编码得到的嵌入表示向量{mi}＝m1,...,mn存储在记忆数组将短期时间序列作为问题通过编码器得到短期时间序列的嵌入向量表示最后将短期时间序列的嵌入表示u与加权输出向量集{oi}进行拼接作为全连接层的输t为t时刻的电力负荷预测值。3i代表事件与事件之间的因果关系；输给下一时刻的信息；记忆状态st如公式(4)所示，记忆了对预测未来数据有利的历史信t-1t]表示的是前一时刻的隐藏层状态ht-1和当前输入ttifot7.根据权利要求6所述的基于事理图谱的电力负荷预测方法，其特征在于，采用公式45[0001]本发明属于电力负荷预测领域，具体涉及一种基于事理图谱的电力负荷预测方[0010]步骤S4，根据事件与变量映射关系表MAT，对所述原因事件集合中的节点进行遍6储了在未来一段时间内规则判断所需变量的值；对知识库K中未来一段时间内相应变量的t-1t]表示的是前一时刻的隐藏层状态ht-7ann(s)(s)络进行构建，本模型将长期时间序列{Xi}＝X1,...,Xn经编码器编码得到的嵌入表示向量[0044]最后将短期时间序列的嵌入表示u与加权输出向量集{oi}进行拼接作为全连接层[0049]当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优8[0057]本申请发明人在发现上述问题后，对现有的电力负荷预测方法进行了深入研常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。9时期时间序列嵌入表示的相关性作为权重系数，对长期时间序列嵌入表示进行加权求和，存储了判断电力事理图谱中各节点事件是否可能发生的判定规则，规则由专家知识确立，[0090]步骤S4，根据事件与变量映射关系表MAT，对所述原因事件集合中的节点进行遍[0095]步骤S5，构建多变量短期电力负荷预测模型(MultivariateShort-TermLoad期时间序列的权重进行加权表示，并将加权表示的结果与短期时间序列嵌入表示进行拼图5所示，长期时间序列编码器要处理的数据是多变量时间序列，以二维矩阵形式进行呈间序列作为答案，然后计算{mi}＝m1,…,mn中每一个向量与向量u的相关性系数{pi}=[0116]最后将短期时间序列的嵌入表示u与加权输出

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论