[发明专利]基于多尺度时间特征的LSTM负荷预测方法、介质及电子装置

摘要

本发明公开了一种基于多尺度时间特征的长短时记忆网络(Long Short‑Term Memory,LSTM)负荷预测方法(记为W_LSTM)、介质及电子装置，首先通过小波分解将原始负荷序列分解，得到具有不同时间特性的负荷序列，以便后续对信号变化规律实现深层次分析，再通过行列式点过程(Determinantal Point Process,DPP)提取具有较大相关性和多样性的数据实现数据降维以提高训练速度，最后将这些数据输入LSTM模型实现负荷预测。将本发明所提出的方法与标准LSTM模型、自组织映射网络(Self‑Organizing Map,SOM)、高斯过程回归Gaussian Process Regression,GPR)进行对比实验，结果表明，本发明提出的方法具有更高的预测精度。同时，通过对加噪负荷数据的实验说明了本发明方法还具有一定的抗噪性能。