【技术实现步骤摘要】
本专利技术涉及数据处理，特别涉及一种细粒度电力负荷协同预测方法。
技术介绍
1、巨大的人口基数决定了用电的巨大需求。从电力的产生、运输、再到使用是同步进行的，并且各个地方电力需求、人口分布都不尽相同。这些都为满足人民用电需求带来了巨大的困难。如何准确地从各个层面预测电力数据，是解决电力能源调配问题的关键。尤其是电力负荷的细粒度预测，能通过为电力的调配与管理提供控制与决策的支持，来避免电力的无规划生产和不合理调配，能极大程度缓解了地区的用电压力。
2、电力负荷的细粒度预测面临着巨大的挑战。在电力负荷数据粗粒度预测的研究上，目前成果颇丰。同一数据的粗粒度预测的数据量会比细粒度预测的数据量少很多，数据的信息、细节也会少于细粒度的。粗粒度预测对预测结果在精度、细节上的要求相对细粒度较低，粗粒度的测试集无法从更微观、更细致的层面去评判预测结果的好坏，因而粗粒度预测往往能轻松取得良好的效果。但真实的用电情况瞬息万变，粗粒度预测因其数据细节的丢失和更大的粒度而无法很好满足电力负荷预测的需求。给电力的生产和调配提供实时、细节的决策依据，则需...
【技术保护点】
1.一种细粒度电力负荷协同预测方法，其特征在于，包括：
2.根据权利要求1所述的一种细粒度电力负荷协同预测方法，其特征在于，所述对所述输入数据进行切片处理得到多个数据补丁包括：
3.根据权利要求2所述的一种细粒度电力负荷协同预测方法，其特征在于，所述对所述输入数据进行预处理得到处理数据包括：
4.根据权利要求1所述的一种细粒度电力负荷协同预测方法，其特征在于，所述通过动态权重变量与短期时序特征提取模块处理所述数据补丁得到增强特征表示还包括：
5.根据权利要求1所述的一种细粒度电力负荷协同预测方法，其特征在于，所述将所述增...
【技术特征摘要】
1.一种细粒度电力负荷协同预测方法，其特征在于，包括：
2.根据权利要求1所述的一种细粒度电力负荷协同预测方法，其特征在于，所述对所述输入数据进行切片处理得到多个数据补丁包括：
3.根据权利要求2所述的一种细粒度电力负荷协同预测方法，其特征在于，所述对所述输入数据进行预处理得到处理数据包括：
4.根据权利要求1所述的一种细粒度电力负荷协同预测方法，其特征在于，所述通过动态权重变量与短期时序特征提取模块处理所述数据补丁得到增强特征表示还包括：
5.根据权利要求1所述的一种细粒...
【专利技术属性】
技术研发人员：张二磊，袁文轩，樊文超，张晓彪，费攀锋，杨沛，孙红光，
申请(专利权)人：西北农林科技大学，
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。