公开(公告)号：CN118644359B

公开(公告)日：2024-10-22

申请号：CN202411124271.8

申请日：2024-08-16

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 周鸣乐 ,  李刚 ,  李敏 ,  韩德隆 ,  李佳宸 ,  万金 ,  田航玮

IPC: G06Q50/06 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明涉及能源供应技术领域，具体为应用于工业园区的氢能负荷预测方法及系统，通过获取工业园区历史能源负荷数据、工业园区所在地气象站的历史气象数据以及时间数据，并进行预处理，经编码操作得到特征表示；预处理后的数据基于全局时域特征捕获网络得到频域表示，进一步得到全局周期性特征；根据得到的特征表示，利用多尺度特征融合网络提取出局部非线性特征；得到的全局周期性特征和局部非线性特征，利用自适应门控融合网络得到预测结果。利用深度神经网络的强大拟合能力和频域分析的周期性识别优势，结合多尺度特征提取技术，能够更全面、更精细地解析氢能源需求的内在规律，显著提高预测的准确性和稳定性。

公开(公告)号：CN118644359A

公开(公告)日：2024-09-13

申请号：CN202411124271.8

申请日：2024-08-16

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 周鸣乐 ,  李刚 ,  李敏 ,  韩德隆 ,  李佳宸 ,  万金 ,  田航玮

IPC: G06Q50/06 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明涉及能源供应技术领域，具体为应用于工业园区的氢能负荷预测方法及系统，通过获取工业园区历史能源负荷数据、工业园区所在地气象站的历史气象数据以及时间数据，并进行预处理，经编码操作得到特征表示；预处理后的数据基于全局时域特征捕获网络得到频域表示，进一步得到全局周期性特征；根据得到的特征表示，利用多尺度特征融合网络提取出局部非线性特征；得到的全局周期性特征和局部非线性特征，利用自适应门控融合网络得到预测结果。利用深度神经网络的强大拟合能力和频域分析的周期性识别优势，结合多尺度特征提取技术，能够更全面、更精细地解析氢能源需求的内在规律，显著提高预测的准确性和稳定性。