申请/专利权人：安徽中科海奥电气股份有限公司

申请日：2023-07-10

公开（公告）日：2023-08-08

公开（公告）号：CN116562471A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06N3/0442;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.10.24#授权;2023.08.25#实质审查的生效;2023.08.08#公开

摘要：本发明公开了一种基于STL数据分解的STL‑SARIMA‑GRU功率预测方法，该方案是组合使用LOESS进行季节‑趋势分解STL、季节性差分自回归移动平均模型SARIMA和门控循环单元GRU的STL‑SARIMA‑GRU的功率预测模型。方法包括：将原始信号通过STL分解为周期项，趋势项和残差项；将分解后的季节项数据序列送入到SARIMA网络中进行功率预测；将分解后得到的趋势项和残差项组合后送入GRU模型进行预测；最后再将两个部分的预测结果进行叠加重构获得整个数据的预测结果。本申请提供的模型可避免因序列特征混叠导致预测精度下降的问题，提高了整个预测模型的预测精度。

主权项：1.一种基于STL数据分解的STL-SARIMA-GRU功率预测方法，其特征在于，包括以下步骤：S1，对原始时间序列功率数据进行STL数据分解，将原始时间序列功率数据分解成周期项、趋势项和残差项；S2，通过网格搜索算法并依据AIC准则，得到SARIMA（p,d,q）×（P，D，Q）S模型中自回归项p、差分次数d、移动平均项数q、季节自回归阶数P、季节滑动平均阶数Q和季节差分阶数D的最优参数组合，其中S为周期项中的周期；S3，建立GRU神经网络，并采用训练集对GRU神经网络进行训练，得到目标GRU预测模型；S4，将数据分解环节STL，周期项预测环节SARIMA和趋势项、残差项预测环节GRU组合起来得到组合模型STL-SARIMA-GRU功率预测模型；S5，将经过STL分解得到的周期项数据送入步骤S2得到的SARIMA模型中进行预测，得到周期项的预测结果，并计算预测误差；S6，将结果STL分解得到的趋势项数据和残差项数据送入目标GRU预测模型进行预测，得到趋势项和残差项预测结果，并计算预测误差；S7，将步骤S5和步骤S6的预测结果进行叠加重构，得到最终的总预测结果，此结果为组合模型STL-SARIMA-GRU功率预测模型的最终预测结果；S8，计算总预测结果与原始序列的预测误差。

全文数据：

权利要求：

百度查询： 安徽中科海奥电气股份有限公司 一种基于STL数据分解的STL-SARIMA-GRU功率预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD