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：国网江苏省电力有限公司苏州供电分公司
摘要：本发明公开了基于DCNN‑LSTM‑AE‑AM的短期电力负荷和碳排放量预测方法及系统，包括以下步骤：采集城市电力负荷数据，并对其进行预处理；构建基于自注意力机制及DCNN‑LSTM‑AE的短期电力负荷预测模型；训练模型并对城市用户的短期电力负荷进行预测；构建阶梯式碳排放量预测模型，并基于短期电力负荷预测结果输出不同区间下的电力负荷对应的碳排放量。本发明采用空洞卷积扩大了时间视野，更加充分地提取了震荡数据的特征，解决部分数据长期震荡的问题；加入LSTM编码器结构来进一步提取时空特征信息，采用了注意力机制对前面提取到的特征进行重要性分析来完成最终的预测，提升了城市负荷预测的准确度。
主权项：1.基于DCNN-LSTM-AE-AM的短期电力负荷和碳排放量预测方法，其特征在于，包括以下步骤：步骤1，采集城市电力负荷数据，并对其进行预处理；采用以下TNN算法来填补时刻t的缺失值： 其中，K表示为选取的邻近的值的个数；T表示为间隔的周期；It表示为t时刻的城市用户负荷数据；步骤2，构建基于自注意力机制及DCNN-LSTM-AE的短期电力负荷预测模型；步骤3，训练模型并对城市用户的短期电力负荷进行预测；步骤4，构建阶梯式碳排放量预测模型，并基于短期电力负荷预测结果输出不同区间下的电力负荷对应的碳排放量，阶梯式的碳排放模型如下： 其中，xp表示短期电力负荷预测模型输出的预测电力负荷量；μ为碳排放增长率；EP表示根据预测电力负荷量得出的碳排放量；x表示为电网统计的用电量；Ct表示结合时间因子的电力消耗碳排放因子；t代表每天的时间；k为整数。
全文数据：
权利要求：
百度查询： 国网江苏省电力有限公司苏州供电分公司 基于DCNN-LSTM-AE-AM的短期电力负荷和碳排放量预测方法及系统
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