| 專利名稱 |
一種基于深度學習和數(shù)據(jù)驅(qū)動的電力負荷預測方法 |
| 申請?zhí)?專利號 |
CN202510465571.0 |
專利權人（第一權利人） |
長春工業(yè)大學 |
| 申請日 |
2025-04-15 |
授權日 |
2025-08-19 |
| 專利類別 |
授權發(fā)明 |
戰(zhàn)略新興產(chǎn)業(yè)分類 |
新一代信息技術 |
| 技術主題 |
工程學|功率負載|電力系統(tǒng)調(diào)度|編碼器|數(shù)據(jù)驅(qū)動|線性關系|深度學習|電網(wǎng)|負荷預測|數(shù)據(jù)挖掘|卷積|技術支持|預測方法|上下文向量|非線性|數(shù)據(jù)表 |
| 應用領域 |
交流網(wǎng)絡中的負荷預測|預測|資源|神經(jīng)學習方法|信息技術支持系統(tǒng) |
| 意向價格 |
具體面議 |
| 專利概述 |
本發(fā)明涉及電力系統(tǒng)短期負荷預測領域，針對傳統(tǒng)預測方法難以充分捕捉高維歷史數(shù)據(jù)與外部環(huán)境因素中復雜非線性關系的問題，提出一種基于深度學習和數(shù)據(jù)驅(qū)動的電力負荷預測方法。該方法采用特征加權機制，對歷史特征和未來特征自動賦權，提高數(shù)據(jù)表達能力；同時，通過擴張卷積編碼器實現(xiàn)分塊處理，擴大感受野以捕捉長時依賴關系；再利用多層注意力機制優(yōu)化相似日選擇，計算上下文向量輔助雙向門控循環(huán)單元進行動態(tài)解碼。整套技術方案實現(xiàn)了歷史信息與未來數(shù)據(jù)的高效融合和動態(tài)特征調(diào)整，提升了預測精度和模型穩(wěn)定性。該發(fā)明主要應用于電力系統(tǒng)調(diào)度管理和智能化運行，為提高電網(wǎng)安全、穩(wěn)定和運行提供技術支撐。 |
| 圖片資料 |
|
| 合作方式 |
具體面議 |
| 聯(lián)系人 |
戚梅宇 |
聯(lián)系電話 |
13074363281 |
