CN119477013A 一种基于大数据的微电网负荷预测方法及系统 (河北新大长远电力科技股份有限公司)_第1页
CN119477013A 一种基于大数据的微电网负荷预测方法及系统 (河北新大长远电力科技股份有限公司)_第2页
CN119477013A 一种基于大数据的微电网负荷预测方法及系统 (河北新大长远电力科技股份有限公司)_第3页
CN119477013A 一种基于大数据的微电网负荷预测方法及系统 (河北新大长远电力科技股份有限公司)_第4页
CN119477013A 一种基于大数据的微电网负荷预测方法及系统 (河北新大长远电力科技股份有限公司)_第5页
已阅读5页,还剩12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

司一种基于大数据的微电网负荷预测方法及供一种基于大数据的微电网负荷预测方法及系于结合多尺度排列熵的经验模态分解方法对融合数据进行多尺度分解,获得多尺度子数据序2基于结合多尺度排列熵的经验模态分解方法对所述融合数据进行尺度子数据序列;基于所述多尺度子数据序列,采用时间卷积与时序模式注意力机制基于所述元数据集合、数据权重集合以及多源数据的无偏估对所述加噪数据进行经验模态分解,获得本征模态函数分量,并计基于每个本征模态函数分量的多尺度排列熵值以及频率,获得所述多尺度子数据序基于时间卷积网络的卷积层提取所述多尺度子数据基于余弦相似度,计算时间卷积网络当前时间步与预设范围内的基于所述注意力权重,对过去时间步输出的初始负荷预测结果进将融合注意力机制的特征向量与所述初始负荷预测结果结合,获得最终负荷预测结3多尺度分解模块,用于基于结合多尺度排列熵的经预测模型构建模块,用于基于所述多尺度子数据序列,采用时间卷均方误差计算单元,用于基于所述元数据集合、数据数据融合单元,用于基于各个传感器的历史均值以及最小均多尺度序列获取单元,用于基于每个本征模态函数分量的多尺度排列熵值以及频率,4得多尺度子数据序列;5[0031]多源数据获取模块,用于利用物联网传感器采集预设服务区域的微电网多源数67[0062]将求解最优加权因子表示为最小化总均方误差问题,将总均方误差作为目标函值点数量与过零点数量相等或相差最多一个的条件。如果某个IMF分量的极值点数量和过8[0073]基于每个本征模态函数分量的多尺度排列熵值以及频率,获得多尺度子数据序利用深度残差收缩网络算法改进时间卷积网络的残差模块以增强模型的鲁棒性和泛化能[0080]将融合注意力机制的特征向量与初始负荷预测结果结合,获得最终负荷预测结[0084]多源数据获取模块,用于利用物联网传感器采集预设服务区域的微电网多源数

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。

评论

0/150

提交评论