基于TrellisNet-LSTM的日负荷预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于TrellisNet‑LSTM的日负荷预测方法,包括如下步骤:采集负荷数据以及与负荷有关的特征数据;通过趋势外推法修正负荷坏数据;构造数据样本;建立TrellisNet‑LSTM神经网络预测模型,将训练日的日特征向量、训练日前一天的日特征向量及训练日前一天的日负荷向量作为输入,训练日的日负荷向量作为输出构成训练集数据,进行训练;将待预测日的日特征向量、待预测日前一天的日特征向量及待预测日前一天的负荷向量作为输入,用训练后的TrellisNet‑LSTM神经网络预测模型进行负荷预测,得到待预测日的负荷向量。本发明可以准确预测负荷,降低计算量且提高模型收敛速度。
《基于TrellisNet-LSTM的日负荷预测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2020103601373,当前法律状态为已下证,由南京工程学院提出申请,发明人为卞海红;王倩;马奚杰,申请日期为2020-04-29,公开(公告)日期为2023-11-21,国际专利分类号(IPC)为 G06Q 10/04 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于TrellisNet‑LSTM的日负荷预测方法,包括如下步骤:采集负荷数据以及与负荷有关的特征数据;通过趋势外推法修正负荷坏数据;构造数据样本;建立TrellisNet‑LSTM神经网络预测模型,将训练日的日特征向量、训练日前一天的日特征向量及训练日前一天的日负荷向量作为输入,训练日的日负荷向量作为输出构成训练集数据,进行训练;将待预测日的日特征向量、待预测日前一天的日特征向量及待预测日前一天的负荷向量作为输入,用训练后的TrellisNet‑LSTM神经网络预测模型进行负荷预测,得到待预测日的负荷向量。本发明可以准确预测负荷,降低计算量且提高模型收敛速度。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
