申请/专利权人:中国能源建设股份有限公司
申请日:2023-06-20
公开(公告)日:2023-11-07
公开(公告)号:CN117009752A
主分类号:G06F18/15
分类号:G06F18/15;H02J3/00;G06F18/213;G06F18/22;G06N3/006;G06N5/01;G06Q30/0202;G06Q50/06;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.11.24#实质审查的生效;2023.11.07#公开
摘要:本发明公开了一种基于POA‑VMD‑SSA‑KELM模型的用电需求预测方法,涉及用电需求预测技术领域,包括以下步骤:S1:数据处理:对采集到的用电数据进行预处理,进行去噪、平滑、归一化相关处理;S2:POA‑VMD分解:将预处理后的用电数据通过POA‑VMD分解,将原始信号分解成多个子信号,提取出信号的时空特征;该基于POA‑VMD‑SSA‑KELM模型的用电需求预测方法,通过POA‑VMD模型可以解决传统VMD模型中的缺点,从而具有更好的去噪性能和更准确的模态分解结果,SSA‑KELM模型将SSA和KELM相结合,可以更好地处理非线性和非平稳数据,提高预测精度,将POA‑VMD模型和SSA‑KELM模型组合起来,可以更准确地预测用电需求,可以更好地处理非线性和非平稳数据,提高了预测精度。
主权项:1.一种基于POA-VMD-SSA-KELM模型的用电需求预测方法,其特征在于:包括以下步骤:S1:数据处理:对采集到的用电数据进行预处理,进行去噪、平滑、归一化相关处理;S2:POA-VMD分解:将预处理后的用电数据通过POA-VMD分解,将原始信号分解成多个子信号,提取出信号的时空特征;S3:数据建模阶段:将POA-VMD分解得到的子信号作为输入,建立SSA-KELM预测模型;S4:预测阶段:使用建立好的SSA-KELM模型对未来用电需求进行预测;S5:结果评估阶段:对预测结果进行评估;S6:优化阶段:根据对预测结果的评估结果对模型进行优化。
全文数据:
权利要求:
百度查询: 中国能源建设股份有限公司 一种基于POA-VMD-SSA-KELM模型的用电需求预测方法
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。