【技术实现步骤摘要】
本专利技术涉及电力负荷预测，特别是涉及一种基于多尺度和深度可分离卷积的电力负荷预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、电力负荷受天气、经济、社会等多种因素的影响，最初是利用传统的差分自回归移动平均模型对电力负荷进行预测，但是该方法是基于线性假设进行分析的，所以就限制了该模型在面对数据中非线性特征时的捕捉能力。随着人工智能技术的发展，已由传统的统计学方法转变为机器学习和深度学习方法，或是传统方法和深度学习方法相结合进行电力负荷预测。但是大多数研究者仅仅是从单一尺度来考虑问题，而对于电力负荷中的多尺度信息，并未充分利用。目前现有的一些使用机器学习、深度学习方法的电力负荷预测中仍存在以下几个问题：
3、(1)单一尺度分析只考虑特定尺度内的变化，而忽略其他尺度的影响，导致无法提供更加全面的信息，从而影响预测的准确性。
4、(2)现有的电力负荷预测方法只考虑时间依赖性，并没有考虑其它关联影响因素。
5、(3)尽管transfo...
【技术保护点】
1.基于多尺度和深度可分离卷积的电力负荷预测方法，其特征在于，包括：
2.如权利要求1所述的基于多尺度和深度可分离卷积的电力负荷预测方法，其特征在于，采用5层卷积分别对电力负荷数据进行多尺度特征提取；具体地，采用卷积核为1，步长为1的第一卷积层提取第一尺度特征，采用卷积核为1的第二卷积层提取第二尺度特征，采用卷积核为3，步长为1，感受野为2的第三卷积层提取第三尺度特征，采用卷积核为3，步长为1，感受野为3的第四卷积层提取第四尺度特征，采用卷积核为3，步长为1，感受野为4的第五卷积层提取第五尺度特征。
3.如权利要求2所述的基于多尺度和深度可分离...
【技术特征摘要】
1.基于多尺度和深度可分离卷积的电力负荷预测方法，其特征在于，包括：
2.如权利要求1所述的基于多尺度和深度可分离卷积的电力负荷预测方法，其特征在于，采用5层卷积分别对电力负荷数据进行多尺度特征提取；具体地，采用卷积核为1，步长为1的第一卷积层提取第一尺度特征，采用卷积核为1的第二卷积层提取第二尺度特征，采用卷积核为3，步长为1，感受野为2的第三卷积层提取第三尺度特征，采用卷积核为3，步长为1，感受野为3的第四卷积层提取第四尺度特征，采用卷积核为3，步长为1，感受野为4的第五卷积层提取第五尺度特征。
3.如权利要求2所述的基于多尺度和深度可分离卷积的电力负荷预测方法，其特征在于，对第一至第五尺度特征采用卷积核为1，步长为1的卷积进行融合，得到融合特征。
4.如权利要求1所述的基于多尺度和深度可分离卷积的电力负荷预测方法，其特征在于，对提取时间依赖后的特征采用第一逐点卷积在通道维度上提取通道依赖特征，对提取通道依赖后的特征采用第二逐...
【专利技术属性】
技术研发人员：陈淑伟，王在波，田广坡，李彬，温振新，邓源硕，李雪梅，古欣，
申请(专利权)人：山东有人智能科技有限公司，
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。