- 1、本文档共11页,其中可免费阅读10页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于粒子群优化的深度学习短期用电负荷预测方法:对历史用电负荷数据进行预处理,进行归一化处理;建立由卷积神经网络、门控循环单元网络和注意力机制三部分组成的深度学习网络模型;通过粒子群算法对深度学习网络模型的超参数进行优化,得到最优模型超参数;采用归一化处理后的历史用电负荷数据对深度学习网络模型进行训练,基于训练后的深度学习网络模型对用电负荷进行预测,并对预测结果进行评价。本发明对输入的多种负荷预测相关因素进行动态加权处理,关注相关性高的因素,提升预测负荷的精度;对多维数据进行处理和对潜在负荷时
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117277279A
(43)申请公布日2023.12.22
(21)申请号202311098876.XG06N3/0464(2023.01)
文档评论(0)