- 1、本文档共8页,其中可免费阅读7页,需付费10金币后方可阅读剩余内容。
- 2、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。
- 3、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。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
本发明公开了一种基于在线学习的电表级短时负荷预测系统和实现方法。其系统主要包括数据采集存储和基于在线学习的负荷预测两部分:数据采集存储部分包括数据采集、数据预处理、影响特征获取模块和数据存储模块;基于在线学习的负荷预测部分主要包括在线训练模块、在线学习预测模块和混合神经网络模型。其中所述数据采集存储模块,用于定时采集电力负荷数据,并传输至边缘设备端进行预处理,最后将负荷数据存储到本地数据库;在线预测模块将历史负荷数据及对应的影响特征数据作为最新的混合神经网络的输入,对未来24小时的负荷进行预测;
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112668767 A
(43)申请公布日 2021.04.16
(21)申请号 202011542722.1
(22)申请日 2020.12.23
(71)申请人 成都易书桥科技有限公司
文档评论(0)