【技术实现步骤摘要】
本专利技术涉及电力数据处理，特别是涉及一种基于特征提取的电力负荷预测方法、装置、介质和设备。
技术介绍
1、在可再生能源集成蓬勃发展的时代，向太阳能和风能等可再生能源的过渡增加了发电的可变性和不确定性，给维持稳定高效的能源网带来了巨大挑战。在这种情况下，负荷预测尤其是用户需求预测，就成了一个至关重要的工具。准确的负荷预测可以使能源供应商和电网运营商能够预测能源使用的波动，从而促进更高效的电网管理和可再生能源的整合。负荷预测不仅是技术上的需要，而且也是追求能源可持续性的基石，因为它通过优化能源需求与可再生能源供应之间的平衡来减少碳足迹。但是，可再生能源带来的复杂性可能是传统方法无法应对的。
2、为了对电力负荷预测进行预测，预测方法从传统统计方法转变到复杂机器学习技术。最初的电力负荷预测主要依赖于传统的回归模型和时间序列分析，这些方法缺乏灵活性，无法捕捉数据中的复杂模式。其次，神经网络中卷积神经网络和多层感知器等模型被广泛使用，可以在大型数据集中检测非线性关系和错综复杂的依赖关系。再者，转向了递归神经网络中的长短期记忆(lstm...
【技术保护点】
1.一种基于特征提取的电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的电力负荷预测方法，其特征在于，所述对所述时间序列数据进行特征提取，得到第一数据集，具体为：
3.根据权利要求2所述的电力负荷预测方法，其特征在于，所述离散傅里叶变换的计算公式为：
4.根据权利要求1所述的电力负荷预测方法，其特征在于，所述对所述第一数据集进行特征压缩，得到第二数据集，具体为：
5.根据权利要求4所述的电力负荷预测方法，其特征在于，所述协方差矩阵的计算公式为：
6.根据权利要求1所述的电力负荷预测方法，其特征在于...
【技术特征摘要】
1.一种基于特征提取的电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的电力负荷预测方法，其特征在于，所述对所述时间序列数据进行特征提取，得到第一数据集，具体为：
3.根据权利要求2所述的电力负荷预测方法，其特征在于，所述离散傅里叶变换的计算公式为：
4.根据权利要求1所述的电力负荷预测方法，其特征在于，所述对所述第一数据集进行特征压缩，得到第二数据集，具体为：
5.根据权利要求4所述的电力负荷预测方法，其特征在于，所述协方差矩阵的计算公式为：
6.根据权利要求1所述的电力负荷预测方法，其特征在于，多个所述数据子集中均包含一段相同的待测数据集。
7.根据...
【专利技术属性】
技术研发人员：郁春雷，麻吕斌，沈海泓，戴昶，黄震，闻安，马立骏，钱语安，
申请(专利权)人：浙江华云信息科技有限公司，
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。