[发明专利]深度特征指导两阶段迁移学习的综合能源源—荷预测方法在审
| 申请号： | 202211176881.3 | 申请日： | 2022-09-26 |
| 公开（公告）号： | CN115471362A | 公开（公告）日： | 2022-12-13 |
| 发明（设计）人： | 徐青山;甘海庆;杨永标;陈堃;杜姣;张航通;聂卓杰;任禹丞 | 申请（专利权）人： | 东南大学;国网江苏省电力有限公司;国网江苏省电力有限公司南京供电分公司 |
| 主分类号： | G06Q50/06 | 分类号： | G06Q50/06;G06Q10/04;G06K9/62;G06F16/215;G06N3/04;G06N3/08 |
| 代理公司： | 北京同辉知识产权代理事务所(普通合伙) 11357 | 代理人： | 沈利芳 |
| 地址： | 210096 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了深度特征指导两阶段迁移学习的综合能源源—荷预测方法，涉及综合能源多元负荷预测技术领域，获取温度、季节、节假日、风速、云层密度、光照强度、电价和现行政策影响因素并转换为数据格式；获取园区的光伏、风电、电负荷、热负荷和冷负荷的历史数据，并对历史数据进行清洗处理；构建基于深度残差网络和引入注意力机制的长短期记忆循环神经网络的时间序列预测模型；通过温度、季节和节假日三种因素，使用电负荷、热负荷和冷负荷数据对时间序列预测模型进行训练，获得初级模型；在初级模型的基础上，采用迁移学习策略，获得最终的预测模型。 | ||
| 搜索关键词： | 深度 特征 指导 阶段 迁移 学习 综合 源源 预测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学;国网江苏省电力有限公司;国网江苏省电力有限公司南京供电分公司，未经东南大学;国网江苏省电力有限公司;国网江苏省电力有限公司南京供电分公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202211176881.3/，转载请声明来源钻瓜专利网。
