基于频域分解及人工智能算法的短期负荷预测方法

发明专利有效专利

申请号：
CN201910243384.2
IPC分类号：G06Q10/04;G06Q10/06;G06Q50/06
申请日期：
2019-03-28
申请人：
安徽大学

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	基于频域分解及人工智能算法的短期负荷预测方法
申请号	CN201910243384.2	申请日期	2019-03-28
法律状态	实质审查	申报国家	中国
公开/公告日	2019-06-25	公开/公告号	CN109934418A
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;1;0;/;0;6;;;G;0;6;Q;5;0;/;0;6查看分类表>
申请人	安徽大学	申请人地址	安徽省合肥市经济技术开发区九龙路111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	安徽大学	当前权利人	安徽大学
发明人	张倩;丁津津;马金辉;马愿;谢毓广;李顺;李智;赵晓春;叶海峰;黄少雄;王璨
代理机构	杭州浙科专利事务所（普通合伙）	代理人	吴秉中

摘要

本发明针对现有的短期负荷预测方法都存在预测方法较为单一，预测精度不高的问题，提供一种基于频域分解及人工智能算法的短期负荷预测方法。该方法，包括：用频域分解算法对原始负荷数据的负荷时间序列进行分解，获得日周期分量、周周期分量、低频分量和高频分量；采用神经网络算法对日周期和周周期进行预测；采用随机森林算法对低频分量进行预测；对高频分量进行二次分解，对分解后的低频部分采用神经网络算法进行预测。本发明所提的基于频域分解的短期负荷预测模型，预测结果与Elman神经网络、随机森林预测结果相比具有更高的预测精度。

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