一种考虑多维特征提取的短期电力负荷预测方法及系统

    公开(公告)号:CN119448225A

    公开(公告)日:2025-02-14

    申请号:CN202411462206.6

    申请日:2024-10-18

    Applicant: 山东大学

    Abstract: 本发明提供了一种考虑多维特征提取的短期电力负荷预测方法及系统,获取区域负荷、区域影响负荷的相关气象的历史数据,划分数据集;提取区域负荷序列中多时间尺度时序特征,包括趋势特征、星期特征和年特征,构建内在特征集;运用最大互信息系数查找历史气象数据中与负荷相关性高于设定值的关键相依气象,构建外在特征集;构建融合自注意力机制的预测模型,以所述内在特征集和外在特征集作为模型的输入,将预测值和实际值进行分析,得到条件概率密度函数,利用最后一部分数据的负荷预测值为条件概率密度函数的输入,计算负荷条件预测误差概率分布,进而确定负荷预测区间。本发明的预测结果精度高。

    网格化数值天气特征降维提取方法及系统

    公开(公告)号:CN118861660A

    公开(公告)日:2024-10-29

    申请号:CN202410754217.5

    申请日:2024-06-12

    Applicant: 山东大学

    Abstract: 本发明属于网格化数值天气特征提取领域,提供了网格化数值天气特征降维提取方法及系统。其中,该方法包括得到含高比例新能源电力系统的负荷类型与负荷功率对应关系;根据不同类型负荷所属区域的典型日网格化数值天气实测数据,得到多元气象因子,进而计算与不同负荷类型的负荷功率的相关性,筛选出不同负荷类型相关的气象因子,构建出初始气象因子特征矩阵;利用主成分分析方法对初始气象因子特征矩阵进行降维,得到降维的气象因子特征矩阵;利用预设深度学习模型对降维的气象因子特征矩阵进行迭代学习,以细化网格化气象特征尺度,进一步提取不同负荷类型的隐含特征,得到表征不同类型负荷的网格化特征矩阵,以用于负荷预测。

Patent Agency Ranking