一种基于MIDCN的电力负荷预测方法，包括以下步骤：步骤一：采集电力负荷历史数据，对采集到的电力负荷数据进行数据清洗，然后对数据进行归一化处理，将归一化后的数据划分为训练集和测试集；步骤二：构建基于多尺度等距扩张卷积网络模型MIDCN；步骤三：将训练集数据输入到基于多尺度等距扩张卷积网络模型MIDCN中对模型进行训练，得到训练好的基于多尺度等距扩张卷积网络模型MIDCN；步骤四：将电力负荷数据输入到训练好的基于多尺度等距扩张卷积网络模型MIDCN中，得到电力负荷预测的结果。
【技术实现步骤摘要】
本专利技术涉及电力系统，尤其涉及一种基于midcn的电力负荷预测方法。
技术介绍
1、电力行业是国家经济发展中的重要基础性能源产业，是保障人民稳定用电、社会各行各业稳定运作的关键。电力负荷预测作为电力系统运行、调度的关键环节，不仅直接影响电力系统运行的安全性与可靠性，而且直接影响人民的用电质量，所以精确的电力负荷预测一直是近些年来重要的研究课题。
2、目前电力负荷预测的方法可分为基于统计分析的传统预测方法，如自回归综合移动平均；基于机器学习的方法，如支持向量机；以及基于深度神经网络的方法，如卷积神经网络、长短期记忆网络以及运用注意力机制的基于transformer的网络模型。
3、现实中电力负荷数据存在非线性、非平稳性、周期性等特点，而单一的特征提取方式不能很好地捕捉负荷数据的时间尺度依赖关系。因此本专利技术提出一种基于多尺度等距扩张卷积网络midcn的电力负荷预测方法，使用多尺度混合分解将负荷数据分为趋势-周期项和季节项，并分别对其进行预测，且充分考虑负荷序列的多尺度时间特征，实现精确的预测效果。
/>技术本文档来自技高网...
【技术保护点】
1.一种基于MIDCN的电力负荷预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤二中，所构建的基于多尺度等距扩张卷积网络模型MIDCN具体为：
3.根据权利要求2所述的方法，其特征在于，在步骤2中，针对季节项预测模块，它在工作时采用以下步骤：
4.根据权利要求3所述的方法，其特征在于，每个多尺度等距扩张卷积层包含局部模块和全局模块，分别提取序列的局部特征和全局相关性，采用以下步骤：
【技术特征摘要】
1.一种基于midcn的电力负荷预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤二中，所构建的基于多尺度等距扩张卷积网络模型midcn具体为：
3.根据权利要求2所述的...
【专利技术属性】
技术研发人员：陈昱全，吴航，盛冠群，
申请(专利权)人：三峡大学，
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。