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：国网辽宁省电力有限公司;国网辽宁省电力有限公司辽阳供电公司
申请日：2023-12-29
公开（公告）日：2024-05-10
公开（公告）号：CN118014119A
主分类号：G06Q10/04
分类号：G06Q10/04;G06Q10/0637;G06Q50/06;G06F30/27;G06N3/006;G06N3/0442;G06N3/086;H02J3/00
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：一种基于时间序列预测与深度学习互补的短期负荷预测方法，涉及负荷预测技术领域技术领域。该方法首先利用ADF检验和KPSS检验对历史负荷数据序列进行平稳性检验，若不平稳则进行差分处理直至信号平稳。其次，通过在蜣螂优化算法中引入周期突变机制以提升算法的寻优能力，并利用改进后的蜣螂优化算法对差分整合移动平均自回归模型参数p和q进行定阶，实现ARIMA对负荷的预测。然后，使用LSTM将ARIMA预测的非线性的残差序列进行预测。最后，将得到的负荷预测结果进行校验，大幅度提升模型的预测准确率，得到更为精确的短期负荷预测结果。达到更高的精度。
主权项：1.一种基于时间序列预测与深度学习互补的短期负荷预测方法，其特征在于，包括如下步骤：S1：对多元历史负荷数据样本序列进行平稳性检验，得到的平稳序列数据进行步骤S3；S2：对所述步骤1中不平稳的数据，进行差分运算，得到平稳的序列数据进行步骤S3；S3：由所述步骤S1和S2中得到的平稳数据，通过改进的蜣螂优化算法对ARIMA模型的参数p和q定阶；S4：根据S3中的参数p和q构建IDBO-ARIMA模型，由所述IDBO-ARIMA模型，对负荷序列进行短期预测，得到线性序列和非线性序列；S5：由所述步骤S4中的IDBO-ARIMA模型预测后的非线性序列，使用LSTM网络对其进行预测，得到非线性序列结果；S6：由所述步骤S4和步骤S5中的负荷序列预测结果，将线性预测和非线性预测叠加重构，得到短期负荷预测的结果。
全文数据：
权利要求：
百度查询： 国网辽宁省电力有限公司 国网辽宁省电力有限公司辽阳供电公司 基于时间序列预测与深度学习互补的短期负荷预测方法
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