基于特征提取和多核RSVR组合模型的短期电力负荷预测方法.pdf
思洁****爱吗
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于特征提取和多核RSVR组合模型的短期电力负荷预测方法.pdf
本发明提供一种基于特征提取和多核RSVR组合模型的短期电力负荷预测方法,包括以下步骤:步骤S1,基于皮尔逊相关系数、mRMR算法对属性特征进行提取筛选,得到包含其它属性和延迟负荷的最优属性特征集;步骤S2,使用多种不同的核函数分别构建多个单核RSVR模型;根据最优属性特征集,采用训练样本进行模型训练,采用测试样本评估模型预测能力;步骤S3,根据各个单核RSVR模型的训练预测误差分配权值,将各个单核RSVR模型进行加权融合,形成多核RSVR组合模型;步骤S4,使用多核RSVR组合模型进行短期电力负荷预测。本
一种考虑影响因素和基于组合模型的短期电力负荷预测方法.pdf
本申请公开了一种电力负荷预测方法。该方法包括获取电力负荷数据和影响因素数据;对负荷数据进行分解得到高频分量和低频分量;构建Catboost电力负荷预测模型和LSTNet电力负荷预测模型,将所述低频分量作为CatBoost的输入变量,将高频分量作为LSTNet的输入变量;将Catboost和LSTNet的模型结果进行融合,根据影响因素数据得到最终的预测结果。本发明提供一种考虑影响因素和基于组合模型的短期负荷预测方法,能够通过组合模型结合各自的优点,有效地降低了预测误差,提高了模型的整体预测性能,为电力系统的
基于深度混合学习模型的短期电力负荷预测方法及装置.pdf
本发明公开了一种基于深度混合学习模型的短期电力负荷预测方法及装置,所述方法包括:获取关于电力负荷的特征数据集,并构建包含多层神经单元的CNN‑BiLSTM网络;采用所述特征数据集对所述CNN‑BiLSTM网络进行预测训练,得到预测训练模型;利用鲸鱼优化算法对所述预测训练模型的迭代优化,得到优化模型;根据所述优化模型预测短期内的电力负荷,得到电力预测结果。本发明可以预先构建包含CNN网络和BiLSTM网络的深度混合学习模型,以及获取电力负荷的特征数据,采用特征数据对深度混合学习模型进行预测训练,并利用鲸鱼优
基于区间泰勒模型的电力系统短期负荷预测系统及方法.pdf
本发明公开了一种基于区间泰勒模型的电力系统短期负荷预测系统及方法,能够分析基础数据不确定性对预测结果的影响,并大大节省了计算时间。它包括:数据采集模块,用于将数据导入数据库模块;数据预处理模块,用于采用区间算法描述基础数据的不确定性,从而将所有基础数据“区间化”,并将结果传入数据库模块;负荷预测分析模块,用于采用区间泰勒模型短期负荷预测公式进行短期负荷预测;结果管理模块,用于对结果进行转换和导出,并将分析结果传入数据库模块;数据库模块,用于存储数据采集模块产生数据,并存储数据预处理模块、负荷预测分析模块、
基于改进的LSTM模型的电力负荷预测方法.pdf
本发明提供一种基于改进的LSTM模型的电力负荷预测方法,包括以下步骤:获取某一地区的电力负荷数据,并将得到的数据进行预处理和划分;将处理好的数据通过CEEMD进行分解,分解为多个IMF分量;将各个IMF分量应用LSTM进行预测,并利用混沌粒子群算法对LSTM网络的超参数寻找最优解;将各个分量的预测结果叠加重构得到最终预测值。本发明采用的CEEMD分解方法解决了EMD模态混叠问题和EEMD无法很好的恢复原信号问题,引入的混沌粒子群算法解决了传统粒子群算法早熟、易陷入局部最优问题,提高了模型预测的精确度。