公开(公告)号：CN118229119B

公开(公告)日：2024-11-12

申请号：CN202410644746.X

申请日：2024-05-23

申请人： 南京工业大学

发明人： 高筱然 ,  窦迅 ,  牛鹏艺 ,  滕一诺 ,  倪培玉 ,  张嘉奕 ,  殷奕萌

IPC分类号： G06Q10/0637 ,  G06F17/15 ,  G06F18/2415 ,  G06F18/214 ,  G06Q50/06

公开(公告)号：CN118229119A

公开(公告)日：2024-06-21

申请号：CN202410644746.X

申请日：2024-05-23

申请人： 南京工业大学

发明人： 高筱然 ,  窦迅 ,  牛鹏艺 ,  滕一诺 ,  倪培玉 ,  张嘉奕 ,  殷奕萌

IPC分类号： G06Q10/0637 ,  G06F17/15 ,  G06F18/2415 ,  G06F18/214 ,  G06Q50/06

摘要： 本发明提供一种融合时序分解和机器学习模型的短期负荷预测方法、系统及存储介质，利用STL分解出趋势、季节及残差分量，改善预测模型输入数据的性能，分别应用ARIMA、GRU和TimesNet模型对不同分量进行精准预测，通过全连接层得出预测结果，能够有效提高整体预测性能，增强模型的抗干扰能力，提高预测的精度。本发明采用了深度学习与机器学习结合弥补了传统方法的不足，ARIMA、GRU和TimesNet模型的综合应用进一步增强了负荷预测的准确度和鲁棒性，为负荷预测提供了新的视角和方法，推动了电力负荷预测技术的发展，为电力系统的规划和运行决策提供了更为科学精确的数据支持。