CN119401427A 基于混合专家分解的电力负荷预测方法及装置 （上海电力大学）_第1页
CN119401427A 基于混合专家分解的电力负荷预测方法及装置 （上海电力大学）_第2页
CN119401427A 基于混合专家分解的电力负荷预测方法及装置 （上海电力大学）_第3页
CN119401427A 基于混合专家分解的电力负荷预测方法及装置 （上海电力大学）_第4页
CN119401427A 基于混合专家分解的电力负荷预测方法及装置 （上海电力大学）_第5页
已阅读5页，还剩15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

基于混合专家分解的电力负荷预测方法及本发明涉及一种基于混合专家分解的电力取正相关维度下对应的电力负荷历史时间序列力负荷历史时间序列数据分解为季节项与趋势2S1，获取原始数据集并进行预处理，所述原始数据S2，对预处理后的电力负荷历史时间序列数据与天气数S3，利用混合专家分解与预测模型将选取的电力负荷历史所述分解块利用专家混合策略将选取的电力负荷历史时间序列数据分解为季节项与趋势项；所述季节项预测块利用多尺度扩展内层卷积捕获局部特征和全局相关性并进行预测，所述拼接块拼接所述趋势项预测结果与所述季节项预测结果，得bt=β(St-St-1)+(1-β)t为趋势项。尺度扩展内层卷积捕获局部特征和全局相关性并进行预测的过程+O)xD表示输出的第l个多尺度扩展层内卷积层，Ys∈ROxd表示线性函数投影Ys,N∈R(I+O)xD后3对预处理后的电力负荷历史时间序列数据及相算每个天气维度信息与相应的电力负荷历史时间序基于所述相关性系数，选取与电力负荷历史时间数据获取与预处理模块，用于获取原始数据集并数据筛选模块，用于对预处理后的电力负荷历史时间序列数分解与预测模块，用于利用混合专家分解与预测模型将选取的电力负分解单元，用于利用专家混合策略将选取的电力负荷历史时间序列季节项预测单元，用于利用多尺度扩展内层卷积捕获局拼接单元，用于拼接所述趋势项预测结果与所述季节项预测结果，得到最4[0003]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于混合专家5列数据与天气数据进行相关性分析，选取正相关维度下对应的电力负荷历史时间序列数[0025]1、本发明利用混合专家分解与预测模型将电力负荷历史时间序列数据拆分为季6[0033]步骤S2，对预处理后的电力负荷历史时间序列数据与天选取正相关维度下对应的电力负荷历史时间序[0038]步骤S31，分解块利用专家混合策略将选取的电力负荷历史时间序列数据分解为7[0046]步骤S32，趋势项预测块利用阻尼趋势法对趋势项进行预测，得到趋势项预测结[0054]步骤S33，季节项预测块利用多尺度扩展内层卷积捕获局部特征和全局相关性并8[0060]嵌入的方法相比于传统的编码器_解码器输入被一种更简单的互补0策略所取本方法选择了一种扩张因果卷积的变体——扩展内层卷积作为替代方9[0077]数据筛选模块用于对预处理后的电力负荷历史时间序列数据与天气数据进行相[0078]分解与预测模块用于利用混合专家分解与预测模型将选取的电力负荷历史时间[0080]趋势项预测单元用于利用阻尼趋势法对趋势项进行预测，得到趋势项预测结[00

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