专利汇可以提供一种基于SSA与LSTM深度学习的电厂存煤量短期预测方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于SSA与LSTM 深度学习 的电厂存 煤 量短期预测方法,包括以下步骤:获取预测时间 节点 前设定天数的电厂存煤量、进煤量、耗煤量、发电量的历史数据和 温度 数据作为输入数据;采用SSA 算法 对输入数据进行嵌入、分解、重组、重构和归一化处理;将处理后的数据输入训练好的LSTM网络模型进行预测时间节点后设定天数的电厂日存煤量的预测;将预测结果反归一化并输出结果。与 现有技术 相比,本发明有效提高了电厂日存煤量短期预测的准确性。,下面是一种基于SSA与LSTM深度学习的电厂存煤量短期预测方法专利的具体信息内容。
1.一种基于SSA与LSTM深度学习的电厂存煤量短期预测方法,其特征在于,包括如下步骤:
S1、获取预测时间节点前设定天数的电厂存煤量、进煤量、耗煤量、发电量的历史数据和温度数据作为输入数据;
S2、采用SSA算法对输入数据进行嵌入、分解、重组、重构和归一化处理;
S3、将处理后的数据输入训练好的LSTM网络模型进行预测时间节点后设定天数的电厂日存煤量的预测;
S4、将预测结果反归一化并输出结果。
2.根据权利要求1所述的基于SSA与LSTM深度学习的电厂存煤量短期预测方法,其特征在于,所述的步骤S2中,SSA算法将每种输入数据作为一个时间序列,根据每个时间序列设置轨迹矩阵并进行分解与重构,从时间序列中提取出周期信号、长期趋势信号等信息,并且去除噪声干扰。
3.根据权利要求1所述的基于SSA与LSTM深度学习的电厂存煤量短期预测方法,其特征在于,嵌入步骤为对于长度为N的时间序列S={s1,…,sN},构造的轨迹矩阵为:
式中,L为嵌套空间维数,M取值为N-L+1。
4.根据权利要求3所述的基于SSA与LSTM深度学习的电厂存煤量短期预测方法,其特征在于,分解步骤为对对矩阵X进行奇异值分解,分解表达式为:
式中,Xs为白噪声,Xn为信号能量;向量V1,V2,…,VL为矩阵XXT的特征值λ1≥λ2≥…≥λL≥0对应的单位特征向量; 为奇异谱密度;h
6.根据权利要求5所述的基于SSA与LSTM深度学习的电厂存煤量短期预测方法,其特征在于,重构步骤采用对角平均法,对角平均是将每个XIn(n=1,2,…,K)转化成时间序列,令L*=min(L,M),M*=max(L,M),记 对角平均将矩阵X转化成序列g0,…,gN-1,转化过程为:
7.根据权利要求1所述的基于SSA与LSTM深度学习的电厂存煤量短期预测方法,其特征在于,所述的LSTM网络训练步骤如下:
A1、获取历史存煤量、进煤量、耗煤量、发电量和温度作为训练样本;
A2、采用SSA算法对训练数据进行分解重构,并归一化处理;
A3、构建LSTM网络输入层、隐含层、输出层参数;
A4、设置LSTM网络权值、偏差、状态的初始化;
A5、对n层LSTM网络进行训练并储存最优网络结构。
8.根据权利要求6所述的基于SSA与LSTM深度学习的电厂存煤量短期预测方法,其特征在于,所述的步骤A2中:
输入层和输出层参数包括输入层时间步数、输入层维数与输出层维数,其中输入层时间步数等于电厂存煤量预测的变量时间序列的长度设置为设定天数值;输出层维数即输出变量维数设为设定天数值;输入层维数即变量数设为设定天数值*5;
隐含层参数包括输入层维数和隐含层的数目,其中隐含层的数目设为4;隐含层的维数为64。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于机器学习的建筑匹配方法及装置 | 2020-07-22 | 2 |
一种基于局部参考点的快速点云配准方法 | 2023-04-15 | 0 |
夜晚模式镜头付着物的检测系统、终端和存储介质 | 2020-09-16 | 0 |
一种针对模具钢的切割加工控制方法 | 2020-06-23 | 2 |
数据处理方法、装置、介质及电子设备 | 2020-06-12 | 2 |
一种典型环境下智能电能表可靠性综合评价模型 | 2020-06-24 | 0 |
基于图像的尾灯检测与识别方法 | 2020-11-25 | 0 |
相似建筑图片搜索的方法和系统 | 2021-03-12 | 1 |
一种RBF板形识别模型的FPGA实现方法 | 2020-11-17 | 0 |
骨组织结构形态异常的快速检测方法及电子装置 | 2020-08-13 | 2 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。