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
本发明公开了一种面向行业用户用电量预测的自监督表示学习方法和系统，属于负荷预测领域。本发明首先获取各行业用户日用电量、日峰用电量、日谷用电量构成用户日用电时间序列，通过编码器得到用户日用电时间序列的特征；再利用卷积神经网络输出用得到户日用电时间序列的对比学习表示；根据所述的用户日用电时间序列的时间信息和行业信息，划分正负样本，通过对比学习表示计算对比学习损失函数；通过神经网络线性层对用户日用电时间序列特征进行预测，得到用户日用电预测量，计算用户日用电预测量与用户日用电实际量的均方误差，得到预测损
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117039868 A
(43)申请公布日 2023.11.10
(21)申请号 202311004231.5
(22)申请日 2023.08.10
(71)申请人 浙江大学
文档评论（0）