| 专利名称 |
一种基于深度学习和数据驱动的电力负荷预测方法 |
| 申请号/专利号 |
CN202510465571.0 |
专利权人(第一权利人) |
长春工业大学 |
| 申请日 |
2025-04-15 |
授权日 |
2025-08-19 |
| 专利类别 |
授权发明 |
战略新兴产业分类 |
新一代信息技术 |
| 技术主题 |
工程学|功率负载|电力系统调度|编码器|数据驱动|线性关系|深度学习|电网|负荷预测|数据挖掘|卷积|技术支持|预测方法|上下文向量|非线性|数据表 |
| 应用领域 |
交流网络中的负荷预测|预测|资源|神经学习方法|信息技术支持系统 |
| 意向价格 |
具体面议 |
| 专利概述 |
本发明涉及电力系统短期负荷预测领域,针对传统预测方法难以充分捕捉高维历史数据与外部环境因素中复杂非线性关系的问题,提出一种基于深度学习和数据驱动的电力负荷预测方法。该方法采用特征加权机制,对历史特征和未来特征自动赋权,提高数据表达能力;同时,通过扩张卷积编码器实现分块处理,扩大感受野以捕捉长时依赖关系;再利用多层注意力机制优化相似日选择,计算上下文向量辅助双向门控循环单元进行动态解码。整套技术方案实现了历史信息与未来数据的高效融合和动态特征调整,提升了预测精度和模型稳定性。该发明主要应用于电力系统调度管理和智能化运行,为提高电网安全、稳定和运行提供技术支撑。 |
| 图片资料 |
|
| 合作方式 |
具体面议 |
| 联系人 |
戚梅宇 |
联系电话 |
13074363281 |