电力短期负荷预测方法和装置

    公开(公告)号:CN109657844A

    公开(公告)日:2019-04-19

    申请号:CN201811433283.3

    申请日:2018-11-28

    IPC分类号: G06Q10/04 G06Q50/06 G06K9/62

    摘要: 本发明公开了电力短期负荷预测方法和装置,其中方法包括:基于日负荷曲线对历史数据的日类型进行划分;将获得的每一个日类型包含的历史日负荷信息及选定的特征数据作为输入,以预测的日负荷值作为输出分别建立针对不同日类型的若干多元线性回归预测模型;基于TensorFlow深度学习模型对建立的若干多个多元线性回归预测模型进行训练、参数调优和验证,得到针对不同日类型的短期负荷预测模型。本发明能够依据节假日和日负荷曲线等信息,自动划分日类型;采用多元线性回归模型,综合考虑节假日和天气变化对负荷的影响;在深度学习框架下按日类型自动训练并调优,得到三种短期负荷预测模型,并计算得到较准确的负荷预测值。

    电力短期负荷预测方法和装置

    公开(公告)号:CN109657844B

    公开(公告)日:2022-08-16

    申请号:CN201811433283.3

    申请日:2018-11-28

    IPC分类号: G06Q10/04 G06Q50/06 G06K9/62

    摘要: 本发明公开了电力短期负荷预测方法和装置,其中方法包括:基于日负荷曲线对历史数据的日类型进行划分;将获得的每一个日类型包含的历史日负荷信息及选定的特征数据作为输入,以预测的日负荷值作为输出分别建立针对不同日类型的若干多元线性回归预测模型;基于TensorFlow深度学习模型对建立的若干多个多元线性回归预测模型进行训练、参数调优和验证,得到针对不同日类型的短期负荷预测模型。本发明能够依据节假日和日负荷曲线等信息,自动划分日类型;采用多元线性回归模型,综合考虑节假日和天气变化对负荷的影响;在深度学习框架下按日类型自动训练并调优,得到三种短期负荷预测模型,并计算得到较准确的负荷预测值。

    基于图表征学习的网络用户社交行为分析方法、装置及存储介质

    公开(公告)号:CN114298851A

    公开(公告)日:2022-04-08

    申请号:CN202111332437.1

    申请日:2021-11-11

    摘要: 本发明提供一种基于图表征学习的网络用户社交行为分析方法、装置及存储介质,方法包括:获取待预测社交网络的网络信息,利用图表征学习方法提取社交网络中用户的特征矩阵,以及表示社交网络结构信息的邻接矩阵,输入预先训练的图神经网络模型,得到图神经网络模型的输出;根据图神经网络模型的输出确定社交网络中各用户在预测时段的社交行为预测结果;其中,所述预先训练的图神经网络模型的输出为社交网络中各用户在预测时段做出特定社交行为的概率。本发明从提取用户特征与图结构特征的角度出发,运用图嵌入方法对用户的局部网络进行特征提取,能够更准确的了解用户偏好和网络信息传播模式,从而能够更准确的预测社交网络用户的行为。

    一种负荷预测方法
    10.
    发明公开

    公开(公告)号:CN114169434A

    公开(公告)日:2022-03-11

    申请号:CN202111486036.1

    申请日:2021-12-07

    摘要: 本发明公开了一种负荷预测方法,包括:获取发电系统出力样本数据集;将出力样本数据集分解为新能源出力负荷数据集与非新能源出力负荷数据集;对新能源出力负荷数据集进行异常处理;根据异常处理后的新能源出力负荷数据集得到新能源组合特征数据集;根据新能源组合特征数据集得到出力负荷训练数据集;根据出力负荷训练数据集得到融合模型备选集;根据出力负荷训练数据集对融合模型备选集中的融合模型进行优化;采用优化后的融合模型对新能源出力负荷进行预测;依据非新能源出力数据集以及预训练好的非新能源出力预测模型对非新能源出力负荷进行预测,将该预测结果与新能源出力结果相加得到最终预测的出力负荷;本发明能够准确对系统负荷进行预测。