【技术实现步骤摘要】
本专利技术涉及电力系统中电力负荷预测领域，尤其涉及一种基于时频信息融合的电力负荷预测方法、装置及设备。
技术介绍
1、电力需求十分巨大，如何使得电力的供给和需求保持在一个相对平稳的状态，对于电力系统中的各个参与方都有着十分重要的意义，因此对于用电负荷的情况进行预测是一直以来的研究热点。目前的电力负荷预测方法主要可以分为三类，分别是：传统统计学方法、机器学习方法以及深度学习方法；其中，基于深度学习的预测方法在不需要复杂的数据处理和特征工程的情况下就能够很好的建模非线性依赖关系，在面对电力负荷这种具有明显时间依赖性的时序数据时具有很好的预测效果，近年来有大量基于深度学习的预测模型在电力负荷的预测上取得了十分瞩目的效果，例如：循环神经网络(rnn)、长短期记忆网络(lstm)等。
2、电力负荷数据作为时间序列数据的一种，往往具有时间域和频率域两种特征，时间域的特征反映出了数据随时间的动态变化过程，是一种较为直观的信息，而频率域的特征则是从更底层的角度反映出了数据的组成成分，是一种更为基础的信息，二者在模型捕获时间上的依赖关系时发挥...
【技术保护点】
1.一种基于时频信息融合的电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述归一化处理是指对电力负荷数据进行可逆归一化处理。
3.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述分块处理是指通过预先定义好的滑动窗口将电力负荷数据划分成若干个子序列。
4.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述特征嵌入处理是指将低纬度的电力负荷数据扩展为更高维度的时间域特征。
5.根据权利要求1所述的一种基于...
【技术特征摘要】
1.一种基于时频信息融合的电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述归一化处理是指对电力负荷数据进行可逆归一化处理。
3.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述分块处理是指通过预先定义好的滑动窗口将电力负荷数据划分成若干个子序列。
4.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述特征嵌入处理是指将低纬度的电力负荷数据扩展为更高维度的时间域特征。
5.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，
6.根据权利要求1所述的一种基于时频信息融合的电力负荷预测...
【专利技术属性】
技术研发人员：郭兆丰，杨昊宁，李想，陈家璘，李磊，陈军，
申请(专利权)人：国网湖北省电力有限公司信息通信公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。