-
题名基于金融技术指标的用电数据分析
被引量：1
- 1
-
-
作者
杨安
蒋群
孙钢
殷杰
刘英
-
机构
浙江大学信息与电子工程学院
国网浙江省电力有限公司营销服务中心
浙江华云信息科技有限公司
-
出处
《计算机应用》
CSCD
北大核心
2022年第3期904-910,共7页
-
文摘
针对已有用电数据分析缺乏有效描述趋势性特征的不足,适应性地将金融领域中十字过滤线(VHF)、异同移动平均线(MACD)等技术指标迁移至用电数据分析中,提出了基于金融技术指标的异动检测算法和负荷预测算法。所提异动检测算法通过统计各指标的统计情况划定阈值,并采用阈值检测捕捉用户异常用电行为。所提负荷预测算法通过提取14项与金融技术指标相关的日负荷特征,构建了长短期记忆网络(LSTM)负荷预测模型。在杭州市工业用电数据上的实验结果表明,所提负荷预测算法将平均绝对百分比误差(MAPE)降低至9.272%,相较于差分整合移动平均自回归(ARIMA)算法、Prophet算法和支持向量机(SVM)算法,分别将MAPE降低了2.322、24.175和1.310个百分点,能够较好地应用于用电数据分析中。
-
关键词
用电数据分析
智能电网
金融技术指标
异动检测
负荷预测
长短期记忆网络
-
Keywords
power data analysis
smart grid
financial technical indicator
anomaly detection
load forecasting
Long Short-Term Memory(LSTM)network
-
分类号
TM714.3
[电气工程—电力系统及自动化]
-
-
题名基于时空图注意力网络的云平台负载数据预测方法
- 2
-
-
作者
李英健
王永生
刘晓君
任渊
-
机构
内蒙古工业大学数据科学与应用学院
内蒙古自治区呼和浩特市武川县水务局
内蒙古自治区政府办公厅综合保障中心
-
出处
《计算机科学》
北大核心
2025年第S1期696-703,共8页
-
基金
国家自然科学基金(62366039)
内蒙古自治区自然科学基金(2021LHMS06001)
+1 种基金
内蒙古自治区科技计划项目(2023YFSH0066)
呼和浩特市科技重大专项(2022-高重-2)。
-
文摘
实时预测云平台监控收集的负载数据,有助于云运维中及早获取系统未来的性能趋势。但由于负载数据通常不具备明显的周期性或规律性,存在较多的噪声干扰,现有方法在特征学习规划上存在不足,需要依赖其他负载特征并且难以捕捉负载趋势的动量。为实现精准高效的负载数据预测,提出了一种基于时空图注意力网络的云平台负载数据预测方法。首先,运用改进经验小波变换对负载数据做时频域变换,降低噪声干扰并得到有效分解后的模态特征;为了提高模型处理尖峰和非周期性特征的能力,利用金融技术指标设计适合负载数据特性的关键性能因子;然后,将模态特征和关键性能因子与原始序列进行特征重构,构建图学习层;最后,利用图注意力网络动态捕获负载序列和特征之间的关系,并通过双向长短期记忆网络关注时间依赖信息。使用亚马逊和阿里云等负载数据集进行实验验证,结果表明,在4个数据集上,RMSE相比最优对比模型分别降低了13.44%,36.90%,7.41%和14.93%。
-
关键词
云平台
负载预测
经验小波变换
金融技术指标
图注意力网络
双向长短期记忆网络
-
Keywords
Cloud platform
Load forecasting
Empirical wavelet transform
Financial technical indicators
Graph attention network
BiLSTM network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
