-
公开(公告)号:CN118336721B
公开(公告)日:2024-08-27
申请号:CN202410753423.4
申请日:2024-06-12
Applicant: 南京信息工程大学
IPC: H02J3/00 , G06F18/213 , G06F18/15 , G06F18/25 , G06F18/2431 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06Q50/06 , G06F123/02
Abstract: 本发明提供了基于小波包分解和ConvLSTM的电力负荷预测方法,所述方法采用小波包分解模块分解电力负荷数据得到多个表示不同时序规律的子序列数据,将气象要素、用地类型以及子序列数据作为多源融合数据输入赋权耦合Conv‑LSTM网络中,使用赋权耦合模块计算通道赋权特征,进行电力负荷预测。在相同条件下,本方法能够实现更准确的电力负荷短期预测,评价指标MAPE达到2.73,与其他主流方法相比整体预测性能显著提升。
-
公开(公告)号:CN118336721A
公开(公告)日:2024-07-12
申请号:CN202410753423.4
申请日:2024-06-12
Applicant: 南京信息工程大学
IPC: H02J3/00 , G06F18/213 , G06F18/15 , G06F18/25 , G06F18/2431 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06Q50/06 , G06F123/02
Abstract: 本发明提供了基于小波包分解和ConvLSTM的电力负荷预测方法,所述方法采用小波包分解模块分解电力负荷数据得到多个表示不同时序规律的子序列数据,将气象要素、用地类型以及子序列数据作为多源融合数据输入赋权耦合Conv‑LSTM网络中,使用赋权耦合模块计算通道赋权特征,进行电力负荷预测。在相同条件下,本方法能够实现更准确的电力负荷短期预测,评价指标MAPE达到2.73,与其他主流方法相比整体预测性能显著提升。
-