【技术实现步骤摘要】
本专利技术涉及配电网，具体为一种基于深度学习的配电网负荷预测方法及系统。
技术介绍
1、配电网作为电力系统的重要组成部分，其运行的可靠性和效率直接影响着电力的稳定供应。随着新能源的接入和电力市场的开放，传统的负荷预测方法已经难以满足现代配电网的需求。风能和光伏引入，为配电网的优化运行提供了新的途径，但也增加了负荷预测的复杂性。
2、传统的负荷预测方法，如时间序列分析和基于统计学的回归分析，往往难以充分利用与配电网负荷相关的特征数据(如天气数据、用户行为数据、分布式能源数据等)，导致预测精度不高。此外，这些方法在处理长时间跨度和多尺度的数据时，易于出现过拟合或欠拟合的情况，难以准确捕捉负荷变化的动态特性。为了解决这些问题，近年来，深度学习方法被引入到负荷预测领域。尤其是基于transformer架构的深度学习模型，以其在序列数据处理中的优异表现，成为负荷预测研究的热点。其中timesnet网络因其独特的优势：长时序建模以及多尺度特征提取能力强，具有较好的鲁棒性，在配电网负荷预测中展现出巨大的潜力。
本文档来自技高网...
【技术保护点】
1.一种基于深度学习的配电网负荷预测方法，其特征在于，包括：
2.如权利要求1所述基于深度学习的配电网负荷预测方法，其特征在于，对所述数据集进行预处理包括：
3.如权利要求1或2所述基于深度学习的配电网负荷预测方法，其特征在于，一维时间序列数据包括：
4.如权利要求3所述基于深度学习的配电网负荷预测方法，其特征在于，快速傅里叶变换包括：
5.如权利要求4所述基于深度学习的配电网负荷预测方法，其特征在于，选择对应的周期将一维时间序列数据进行切片划分为二维矩阵包括：
6.如权利要求5所述基于深度学习的配电网负荷预...
【技术特征摘要】
1.一种基于深度学习的配电网负荷预测方法，其特征在于，包括：
2.如权利要求1所述基于深度学习的配电网负荷预测方法，其特征在于，对所述数据集进行预处理包括：
3.如权利要求1或2所述基于深度学习的配电网负荷预测方法，其特征在于，一维时间序列数据包括：
4.如权利要求3所述基于深度学习的配电网负荷预测方法，其特征在于，快速傅里叶变换包括：
5.如权利要求4所述基于深度学习的配电网负荷预测方法，其特征在于，选择对应的周期将一维时间序列数据进行切片划分为二维矩阵包括：
6.如权利要求...
【专利技术属性】
技术研发人员：唐学用，罗宁，陈青，缪茂，龙家焕，赵晴雨，刘金森，郑飞，王杰，陈露东，陈波，张裕，刘喜成，张鹏城，全圣柏，
申请(专利权)人：贵州电网有限责任公司，
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。