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
本发明公开了一种基于DCAE‑LSTM短期日负荷曲线预测方法，具体按照以下步骤实施：步骤1、构建电力负荷带有高噪声的数据集；步骤2、构造卷积去噪自编码器(DCAE)；步骤3、构造基于长短期记忆网络(LSTM)的负荷预测网络；步骤4、将DCAE与基于LSTM的负荷预测网络结合，组成混合深度神经网络；步骤5、将步骤1中带有高噪声的数据集输入步骤4中的混合深度神经网络实现短期日负荷曲线的预测。结合了DCAE的去噪能力和LSTM的预测能力，使得可以不必事先建立主观模型，而直接根据观测数据序列本身的客观规
(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 112785088 A
(43)申请公布日 2021.05.11
(21)申请号 202110212361.2
(22)申请日 2021.02.25
(71)申请人 西安理工大学
地址
文档评论（0）