申请/专利权人：国网浙江省电力有限公司;国网浙江省电力有限公司综合服务中心;浙江华云信息科技有限公司

申请日：2024-01-11

公开（公告）日：2024-03-29

公开（公告）号：CN117557304B

主分类号：G06Q30/0202

分类号：G06Q30/0202;G06Q30/0201;G06Q50/06;G06F18/2135;G06F18/214;G06F18/21;G06F18/22;G06F18/25;G06N3/0442;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明公开了基于模态分解与神经网络的电量电价层级融合预测方法，利用模态分解技术能够分离出数据中的噪声和异常值，减少它们对预测结果的影响，结合IMF分量和模糊熵值，得到一个更加丰富和具有代表性的基础特征向量，并基于层级融合的方式利用不同的神经网络模型逐步提取和融合了数据的多种特征，通过模糊熵值将这两种特征向量进行加权融合，以最大限度地放大各自模型在特定场景下的优势，进而助力梯度提升机生成更为精准的电量预测值。

主权项：1.基于模态分解与神经网络的电量电价层级融合预测方法，其特征在于，包括以下步骤：S1、数据预处理：获取目标对象的历史用电量及关联信息并进行预处理；S2、基于层级融合的底层处理：利用模态分解算法将预处理后的数据分解为多个IMF分量，对每个IMF分量计算其模糊熵值，将得到的IMF分量和模糊熵值合并，得到基础特征向量；S3、基于层级融合的中层处理：调用训练好的双向长短期记忆神经网络模型，输入基础特征向量，基于学习到的数据中的时间依赖关系计算并输出时间特征向量；S4、基于层级融合的高层处理：调用训练好的卷积神经网络模型，输入时间特征向量，基于学习到的数据中的空间特征计算并输出空间特征向量；S5、基于层级融合的顶层处理：基于模糊熵值将输出的时间特征向量和空间特征向量进行加权融合，基于梯度提升机得到最终的电量预测值；S6、基于所述电量预测值，根据目标对象所适用的电价计费准则计算电价预测值；所述对每个IMF分量计算其模糊熵值，将得到的IMF分量和模糊熵值合并，得到基础特征向量，包括：对于给定的IMF分量，确定采样序列和长度；计算采样序列中不同多维矢量之间对应元素差值的最大值，基于元素差值的最大值和相似容忍度计算不同多维矢量的相似度；基于相似度分别计算相邻维数的关系维度，基于关系维度的对数计算模糊熵值；所述S5、基于层级融合的顶层处理：基于模糊熵值将输出的时间特征向量和空间特征向量进行加权融合，基于梯度提升机得到最终的电量预测值，包括：比较模糊熵值与预设阈值的大小；如模糊熵值等于预设阈值，则将输出的时间特征向量和空间特征向量进行平权融合拼接；如模糊熵值大于预设阈值，则增加时间特征向量的权重值，减少空间特征向量的权重值，再进行融合拼接；如模糊熵值小于预设阈值，则减少时间特征向量的权重值，增加空间特征向量的权重值，再进行融合拼接；利用主成分分析法进行降维，得到降维拼接向量；将降维拼接向量输入至训练好的梯度提升机，输出最终的电量预测值。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司;国网浙江省电力有限公司综合服务中心;浙江华云信息科技有限公司 基于模态分解与神经网络的电量电价层级融合预测方法

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