摘要
本发明提供了一种考虑产业变动的电力系统中长期负荷预测方法,属于配电网规划技术领域;解决了由于新能源渗透率带来的电力系统负荷序列异方差性导致的负荷预测精确性低的问题;包括以下步骤:收集历史负荷数据、天气数据、经济指标数据、产业结构与行业结构的发展趋势数据;对收集的数据进行预处理;计算预处理后数据的加权残差平方和;建立bp神经网络模型,并将计算得到的加权残差平方和加到模型的损失函数中,得到模型的综合损失函数;使用历史负荷数据与综合损失函数训练模型;本发明应用于电力系统中长期负荷预测。
技术关键词
bp神经网络
加权残差
历史负荷数据
网络拓扑结构
配电网规划技术
sigmoid函数
拉格朗日插值法
加权最小二乘法
电力系统负荷
表达式
神经网络模型
天气
样本
误差
定义
序列
精度
系统为您推荐了相关专利信息
网络配置文件
大语言模型
网络拓扑结构
网络设备配置
预训练模型
DCS控制机柜
网络仿真
交换机
仿真系统
配电系统
网络连通方法
定向传感器
天线方位角
主节点
广度优先搜索算法
主动配电网调度
调度优化方法
配网参数
遗传算法
双层优化模型
卷积神经网络模型
多头注意力机制
多任务
超参数
时间卷积网络