申请/专利权人：沈阳化工大学

申请日：2024-01-09

公开（公告）日：2024-04-30

公开（公告）号：CN117955093A

主分类号：H02J3/00

分类号：H02J3/00;G06Q50/06;G06Q10/04;G06N3/0464;G06N3/045;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明一种基于CNN‑BILSTM和KF相结合超短期电力系统负荷预测方法，涉及一种电力系统负荷预测方法，该方法为一种基于卷积神经网络，双向长短期记忆网络和卡尔曼滤波相结合的超短期负荷预测混合模型，该模型结合了卷积神经网络对负荷数据的特征提取能力以及双向长短期记忆网络对时间序列数据的建模能力和卡尔曼滤波对预测误差的矫正能力。并针对双向长短期记忆网络存在序列过长时数据信息丢失的可能，加入注意力机制，结果表明混合模型可以更好的预测“峰谷负荷”，鲁棒性更强，提高了负荷预测精度。

主权项：1.一种基于CNN-BILSTM和KF相结合超短期电力系统负荷预测方法，其特征在于，所述方法的步骤如下：步骤1：获取气象因素和日期因素构建数据集；步骤2：对步骤1数据经过预处理后进行聚类；步骤3：构建数据滑动窗口划分数据集；步骤4：对步骤3中数据通过CNN-BILSTM模型进行预测；步骤5：对步骤4预测数据进行KF模型修正，得到最终预测结果。

全文数据：

权利要求：

百度查询： 沈阳化工大学 一种基于CNN-BILSTM和KF相结合超短期电力系统负荷预测方法

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