原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于组合优化算法的短期负荷深度学习区间预测方法，属于短期电力负荷预测领域。该方法采用滑动窗口法对原始负荷数据进行预处理，构造特征数据集并划分为训练集、验证集和测试集；建立LSTM模型来拟合确定负荷点的预测值；利用遗传算法嵌合模拟退火算法对LSTM模型的权重和偏置进行优化；将优化后的权重和偏置应用于点预测模型；建立结合分位数回归的GASA‑LSTMQR模型在给定的置信水平下，计算得到确定性预测结果的波动幅度。本发明可以得到预测结果中的不确定性信息，减小实际问题中的风险，同时有效提高了
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116070737 A
(43)申请公布日 2023.05.05
(21)申请号 202211586256.6
(22)申请日 2022.12.07
(71)申请人 重庆邮电大学
地址 400065
文档评论（0）