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：河南科技大学
摘要：本发明提供一种基于IDBO优化CNN‑BiLSTM模型的RIES负荷预测方法，首先，根据区域综合能源系统负荷特征，建立基于CNN‑BiLSTM的预测方法。其次，采用Sobol序列、曲线自适应策略、余弦自适应系数分别对DBO算法中的种群初始化、滚球蜣螂和小蜣螂的位置更新方法进行了改进，并采用CEC2022函数对IDBO优化算法进行了相关的测试实验，结果表明改进的DBO具有全局搜索能力强和收敛速度快的优点。最后，采用IDBO优化CNN‑BiLSTM模型的超参数，为验证所提方法的有效性，对比不同场景和选择不同模型进行比较实验，IDBO寻优性能优于HHO、WOA等优化算法，能搜索到最佳的CNN‑BiLSTM超参数，降低了超参数选取不当所带来的负荷预测偏差。本方案所提的IDBO优化CNN‑BiLSTM模型的RIES负荷预测方法能更有效地提高RIES多元负荷预测的精度。
主权项：1.一种基于IDBO优化CNN-BiLSTM模型的RIES负荷预测方法，其特征在于：包括以下步骤：步骤1、对输入数据进行预处理，将其范围限制在[0,1]之间，并将数据集划分为训练数据集和测试数据集；步骤2、利用训练数据集中的数据，对CNN-BiLSTM模型进行训练，通过学习历史能源负荷数据的模式和趋势来建立CNN-BiLSTM模型；步骤3、使用IDBO算法对CNN-BiLSTM模型的超参数进行优化和改进，通过IDBO算法的迭代优化过程，找到最优的超参数配置，提高CNN-BiLSTM模型的性能和泛化能力；步骤4、使用测试数据集对经过IDBO优化的CNN-BiLSTM模型进行测试，评估其在未见数据上的性能表现，帮助验证CNN-BiLSTM模型的泛化能力和预测准确性；步骤5、对IDBO优化CNN-BiLSTM模型的预测结果与实际观测值进行对比，并计算预测误差，了解模型在不同情况下的预测偏差；步骤6、输出基于IDBO-CNN-BiLSTM方法的负荷预测结果。
全文数据：
权利要求：
百度查询： 河南科技大学 一种基于IDBO优化CNN-BiLSTM模型的RIES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