基于频域分解深度神经网络的短期负荷预测方法及系统.pdfVIP

下载本文档

0
0
约1.54万字
约 13页
2023-06-08 发布于四川
举报
版权申诉

基于频域分解深度神经网络的短期负荷预测方法及系统.pdf

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

一种基于频域分解深度神经网络的短期负荷预测方法及系统，其特征在于，所述方法包括以下步骤：步骤1，从短期负荷数据中提取负荷影响因子并与短期负荷数据组成样本矩阵；步骤2，采用变分模态分解法对短期负荷数据进行频域分解，以生成负荷信号分量；步骤3，将所述样本矩阵进行降维后作为长短期记忆神经网络的输入数据，负荷信号分量作为输出数据，对长短期记忆神经网络模型进行训练，以获取负荷预测结果。本发明方法思路清晰、算法有效可靠，准确的提取出已知和未知的负荷影响因子，并基于多个负荷信号分量分别构建LSTM模型，从而实

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116231626 A (43)申请公布日 2023.06.06 (21)申请号 202211632942.2 G06N 3/08 (2023.01)