公开(公告)号：CN117394344A

公开(公告)日：2024-01-12

申请号：CN202311433023.7

申请日：2023-10-31

Applicant: 山东工商学院 ,  烟台新旧动能转换研究院暨烟台科技成果转移转化示范基地

Inventor： 李跃 ,  刘业朋 ,  黄思远 ,  张帆 ,  文志东 ,  司千字

IPC: H02J3/00 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0442 ,  G06F123/02

Abstract: 本发明涉及电力能源技术领域，尤其涉及基于深度交叉分解的双通道电力负荷预测方法。对采集的电力负荷数据进行预处理构造数据集；将输入序列分解为季节项和趋势‑周期项，进入季节通道和趋势‑周期通道分别进行预测；在季节通道和趋势‑周期通道中，先后通过特征增强模块、序列分解模块、特征弱化模块进行数据处理；还设计了深度交叉分解融合模块，将季节通道中分离出的趋势‑周期分量送到趋势‑周期通道，同时融入从趋势‑周期通道得到的季节分量；同时，通过构建残差连接，避免了梯度消失，提高了模型的泛化能力。最后，经过一个全连接层得到目标长度的预测结果。本发明具有较强的泛化能力，有效提高了电力负荷预测的精度。

公开(公告)号：CN116742606A

公开(公告)日：2023-09-12

申请号：CN202310528856.5

申请日：2023-05-11

Applicant: 山东工商学院

Inventor： 刘业朋 ,  黄思远 ,  李跃 ,  张帆 ,  范琳伟 ,  赵峰

IPC: H02J3/00 ,  G06Q10/04 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/25

Abstract: 本发明公开了基于变分模态分解和双通道自注意力的电力负荷预测方法，包括步骤1、步骤2、步骤3、步骤4、步骤5和步骤6；所述步骤1，给定历史电力负荷时序数据，使用单步滑动窗口机制分割为多个窗口；所述步骤2，对这些序列窗口使用变分模态分解方法，分解为K个不同频率的子序列；所述步骤3，对分解后的K个不同频率的子序列使用归一化进行处理得到K个数据集；所述步骤4，采用双通道自注意力的预测方法对K个数据集分别进行训练和预测。本方法使用变分模态分解方法，将不规则的电力负荷序列分解成不同频率的近似平稳序列，从而提高了预测的准确性，并且改变了分解对象，不直接对整个时间序列分解而是对滑动窗口数据进行分解。