一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822B

    公开(公告)日:2024-08-20

    申请号:CN202111487796.4

    申请日:2021-12-07

    摘要: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

    一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822A

    公开(公告)日:2022-03-04

    申请号:CN202111487796.4

    申请日:2021-12-07

    摘要: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

    一种便携式检修工具
    6.
    发明公开

    公开(公告)号:CN109368411A

    公开(公告)日:2019-02-22

    申请号:CN201811404874.8

    申请日:2018-11-23

    IPC分类号: B65H75/42 B65H75/44

    摘要: 一种便携式检修工具,涉及电力系统辅助设备结构领域。提出了一种结构精巧、操作方便、稳定性好且易于收纳,使用后可显著提升收、放线时工作效率,从而大幅缩短接地电阻测量时间的便携式检修工具。包括固定筒、收线组件、放线组件、绕绳筒、导线和切换组件;所述单向轴承一和单向轴承三的允许旋转方向相反,所述收线驱动轮的底缘与放线驱动轮的底缘处于同一水平面上,所述收线轴和放线轴同轴心、且二者伸入固定筒的端头处相铰接;本发明从整体上具有结构精巧、操作方便、稳定性好、工作效率高以及整体性好等优点,使用后可显著提升收、放线时工作效率,从而大幅缩短接地电阻的测量时间。