一种基于深度学习的牵引负荷超短期预测方法

摘要

牵引负荷的超短期预测是电气化铁路电能控制中的关键环节，针对牵引负荷随机波动性较强、跳变幅值较大和空载频繁的特点，本发明提供了一种集合小波变换(Discrete Wavelet Transform，DWT)、时间卷积网络(Temporal Convolutional Networks，TCN)以及支持向量回归(Support Vactor Regression，SVR)的DWT‑TCN‑SVR组合预测方法。首先利用小波分解法将牵引负荷时间序列分解成低频、中频、高频的子序列，然后使用TCN模型对低频和中频序列进行预测，使用SVR模型对高频部分进行预测，最后将各自预测所得结果叠加还原得到最终的预测结果。