[发明专利]基于多尺度时序卷积神经网络的母线负荷预测方法及系统

摘要

本发明公开了一种基于多尺度时序卷积神经网络的母线负荷预测方法，获取若干母线的历史负荷数据以及对应的历史天气数据集并进行初步处理，提取相关特征分别作为训练集和验证集；根据训练集中相关特征与母线负荷预测的相关程度，确定训练数据集；将训练数据集分别输入单向LSTM模型、密集链接TCN模型、多尺度CNN模型中进行训练；通过验证集分别验证训练好的三种模型，根据三种模型预测的精确程度确定似然函数系数并构建融合预测模型；通过融合预测模型对母线负荷进行预测。采用多模型混合决策，从多尺度去学习时序数据的分布特性，提升了母线负荷预测的精确性和稳定性，降低了因分布式资源影响而导致的时序规律不确定性而产生的模型难以学习的问题。