龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：辽宁工程技术大学
申请日：2020-12-31
公开（公告）日：2021-05-07
公开（公告）号：CN112766078A
专利技术分类：
专利摘要：本发明公开了基于EMD‑SVR‑MLR与注意力机制的GRU‑NN的电力负荷层次预测方法，采用经验模态分解信号处理算法对用户负荷原始时间序列数据进行分解处理，并对模态函数进行重构。对重构分量建立支持向量机多元线性回归初级预测模型，从而获得预测值。将初级预测模型的预测值和原始的时间序列数据进行融合，形成新的时间序列，作为门控循环单元神经网络网络的输入，建模学习特征内部动态变化规律，并引入注意力机制赋予GRU隐含状态不同的权重，最后完成短期负荷预测；该方法提高了时间轴上对隐式时间序列的特征提取能力和计算能力，对于具有周期和长期依赖关系的电力系统的负荷预测具有较高的准确率和精确度，具有一定的实用价值。
专利权项：1.基于EMD-SVR-MLR与注意力机制的GRU-NN的电力负荷层次预测方法，包括，其特征在于：方法具体包括如下步骤：S1：用EMD算法对电力负荷原始时序数据进行分解，得到几个具有不同特征的IMF；S2：由于EMD分解得到的IMF数量较多且IMF间存在一定的相关性，因此有必要对IMF进行重构，从而降低建立预测模型的重复工作量，用样本熵来衡量IMF复杂性，用趋势分量、细节分量和随机分量来重建与样本熵相近的IMF；S3：对重构分量分别建立SVR和MLR负荷预测模型，将不同分量预测结果叠加即初级预测模型获得预测值；S4：把初级预测模型预测出的值当做次级预测模型的特征值和原始的时间序列数据进行融合，形成新的时间序列，负荷数据经过预处理后长度为n，可以用X表示X＝[x1…xt-1,xt…xn]T；S5：把新的时间序列作为GRU网络的输入，建模学习特征内部动态变化规律，并引入注意力机制通过映射加权和学习参数矩阵赋予GRU隐含状态不同的权重，减少历史信息的丢失并加强重要信息的影响，最后完成短期负荷预测。
百度查询： 辽宁工程技术大学 基于EMD-SVR-MLR与注意力机制的GRU-NN的电力负荷层次预测方法
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