一种基于流形学习的中短期负荷预测方法及装置

发明专利有效专利

申请号：
CN202011367745.3
IPC分类号：G06Q10/04;G06Q50/06;G06K9/62;G06N3/04
申请日期：
2020-11-28
申请人：
广西大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于流形学习的中短期负荷预测方法及装置
申请号	CN202011367745.3	申请日期	2020-11-28
法律状态	实质审查	申报国家	中国
公开/公告日	2021-03-19	公开/公告号	CN112529268A
优先权	暂无	优先权号	暂无
主分类号	G06Q10/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q10/00 行政；管理〔8，2012.01〕 G06Q10/04 预测或优化，例如线性规划、“旅行商问题”或“下料问题”〔2012.01〕	IPC分类号	G;0;6;Q;1;0;/;0;4;;;G;0;6;Q;5;0;/;0;6;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	广西大学	申请人地址	广西壮族自治区南宁市西乡塘区大学东路100号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	广西大学	当前权利人	广西大学
发明人	黎静华;韦善阳
代理机构	武汉华之喻知识产权代理有限公司	代理人	李君;方放

摘要

本发明提供了一种基于流形学习的中短期负荷预测方法及装置，属于负荷预测技术领域，负荷预测方法包括：采用局部线性嵌入方法对历史负荷数据集进行非线性降维，获取低维流形序列；将低维流形序列输入至训练完毕的长短期记忆神经网络模型，获取预测序列；采用流形学习重构方法，将预测序列重构，获取负荷预测值。本发明采用流形学习方法对负荷数据降维，流形学习方法能够更好地挖掘出负荷的非线性特征。同时采用深度学习方法对降维后得到的低维流形序列进行预测，更好地挖掘出低维流形序列自身时序规律，有利于提高负荷预测精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供