申请/专利权人：中国科学院电工研究所

申请日：2023-11-17

公开（公告）日：2024-03-08

公开（公告）号：CN117669926A

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q10/04;G06F18/214;G06F18/241;G06N3/0442;G06N3/044;G06N3/084;G06F18/213

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明公开了一种极端电磁能装备能源需求预测方法、系统及电子设备，涉及电磁能装备控制技术领域，该方法包括：收集目标区域内历史周期上电磁能装备系统能源消耗数据，并划分为横向特征数据和纵向特征数据；通过所述横向特征数据和所述纵向特征数据分别对人工激励循环神经网络模型和LSTM神经网络模型进行训练，输出预测序列；基于所述预测序列，采用基于LO‑EEM的电磁功率源需求分类模型确定最优的预测模型；采用最优的预测模型对极端电磁能装备能源需求进行预测。本发明通过人工激励循环神经网络模型和LSTM神经网络模型的正交并行优化提高模型的预测精度，从而提高复杂环境下极端电磁能装备功率源需求预测的准确性、简单性和可靠性。

主权项：1.一种极端电磁能装备能源需求预测方法，其特征在于，包括：收集目标区域内历史周期上电磁能装备系统能源消耗数据，并划分为横向特征数据和纵向特征数据；所述横向特征数据为以采样时间为横向维度收集的电磁能装备系统能源消耗数据，所述纵向数据为以测量日期为纵向维度收集的电磁能装备系统能源消耗数据；通过所述横向特征数据和所述纵向特征数据分别对人工激励循环神经网络模型和LSTM神经网络模型进行训练，输出预测序列；所述预测序列包括横向预测序列和纵向预测序列；基于所述预测序列，采用基于LO-EEM的电磁功率源需求分类模型确定最优的预测模型；所述最优的预测模型为优化后的人工激励循环神经网络或优化后的LSTM神经网络模型；采用最优的预测模型对极端电磁能装备能源需求进行预测。

全文数据：

权利要求：

百度查询： 中国科学院电工研究所 一种极端电磁能装备能源需求预测方法、系统及电子设备

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