龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京东博智慧能源研究院有限公司
申请日：2023-12-29
公开（公告）日：2024-05-10
公开（公告）号：CN118014118A
主分类号：G06Q10/04
分类号：G06Q10/04;G06Q50/06;G06F18/214;G06N3/0442;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.28#实质审查的生效;2024.05.10#公开
摘要：本发明涉及综合能源系统技术领域，公开了一种综合能源系统的负荷预测模型训练方法及负荷预测方法，其技术方案要点是基于长短期记忆网络的MTL模型提取多元负荷间的耦合信息并进行初步预测，再通过门控循环单元GRU对预测误差进行训练，获得负荷预测值；采用基于前置双重注意力长短期记忆网络的STL模型减少输入噪声进行二次预测，再将初步的预测值输入STL模型，使得STL模型可以考虑未来的时序信息；通过全连接层对MTL模型和STL模型的预测结果进行融合，得到精确的多元负荷预测结果。该方法可以避免预测结果出现偏差过大，提高了综合能源系统多元负荷预测的准确性。
主权项：1.综合能源系统的负荷预测模型训练方法，其特征在于，包括：确定目标综合能源系统的至少一个目标影响因素；获取所述至少一个目标影响因素在预设采样点的历史数据作为训练样本；获取所述目标综合能源系统在所述采样点的目标负荷状态信息，作为所述训练样本的原始标签；获取所述目标综合能源系统在所述采样点之前的目标负荷历史数据；将所述训练样本和所述目标负荷历史数据输入基于长短期记忆网络的MTL模型，得到第一预测结果；基于所述第一预测值和所述训练样本的原始标签，确定第一损失函数；利用门控循环单元对所述初步第一预测结果进行误差补偿；将经过误差补偿后的所述第一预测结果输入基于前置双重注意力长短期记忆网络的STL模型，得到第二预测结果；基于所述第二预测结果与所述训练样本的原始标签，确定第二损失函数；基于所述第一损失函数和所述第二损失函数，更新所述MTL模型和所述STL模型的参数，直至获得目标负荷预测模型。
全文数据：
权利要求：
百度查询： 南京东博智慧能源研究院有限公司 综合能源系统的负荷预测模型训练方法及负荷预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号