基于特征工程和多路深度学习的电力负荷预测方法.pdf
诗文****仙女
亲,该文档总共17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
基于特征工程和多路深度学习的电力负荷预测方法.pdf
本发明公开了一种基于特征工程和多路深度学习的电力负荷预测方法,包括步骤:S1.采集电力负荷数据以及气温数据;S2.依据目标特征对电力负荷数据以及气温数据进行处理,生成数据集;S3.对数据集进行切分得到N个数据子集;S4.将N个数据子集分别输入到N个径向基函数网络,进行训练,得到N个训练后的径向基函数网络;S5.采集测试数据;S6.从N个已训练的径向基函数网络中选取K个径向基函数网络,并将测试数据分别输入到K个径向基函数网络,输出K个电力负荷预测结果,将K个电力负荷预测结果的求和平均值作为最终的电力负荷预测
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
一种基于聚类特征的电力负荷预测方法及装置.pdf
本发明公开了一种基于聚类特征的电力负荷预测的方法及装置,该方法包括:分析接收到的负荷预测请求,得到与负荷预测请求相匹配的负荷预测信息,根据负荷预测信息,获取历史电力负荷数据,对获取到的所有历史电力负荷数据执行聚类操作,得到至少一个负荷类别,将每个负荷类别中所包括的所有历史电力负荷数据输入值预先设定的目标预测模型,得到目标预测模型的目标输出结果,根据目标输出结果,生成电力负荷预测结果。可见,实施本发明能够基于聚类特征对电力负荷进行预测,能够有利于提高对于电力负荷预测的准确性,以及能够有利于提高对于电力负荷预
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
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。