摘要
本发明涉及一种自适应动态组合的负荷概率预测方法及装置,属于电力系统负荷预测技术领域,包括:选择多种概率预测模型作为组合子模型,优化训练各子模型,提升各子模型概率预测精度,用于对电荷概率进行分别预测;针对每一子模型进行贝叶斯模型平均,得到组合后的整体预测结果;对预测结果进行评价;构建基于深度确定性策略梯度算法;构建基于深度确定性策略梯度算法的短期负荷预测模型,用于得到自适应动态预测结果。本发明克服单一预测模型在某些条件下表现不佳的问题,且实现环境与组合权重之间的动态映射,在线感知外界环境变化、自适应更新组合权重,从而增强模型的适应性,有效提升概率预测结果的稳定性和概率预测精度。
技术关键词
概率预测方法
深度确定性策略梯度
稀疏贝叶斯学习
贝叶斯模型
网络
随机森林
变量
短期负荷预测模型
在线
参数
概率密度函数
电力系统负荷预测技术
动态
综合评价指标
样本
感知外界环境
后验概率分布
数值天气预报
系统为您推荐了相关专利信息
图像编码方法
图像块
像素
二次处理过程
预测残差
液冷系统
参数优化模型
参数优化方法
数据中心
参数优化系统
充电桩系统
温度采集模块
压力检测模块
电流采集模块
矩阵
血管分割
CT血管造影
图像
生成对抗网络
空间变换网络
车道线检测方法
神经网络模型
标签
饱和度
图像数据预处理