摘要
本发明提供一种电力负荷预测方法,涉及电力预测技术领域,包括如下步骤:S1、从历史数据中获取短期电力负荷样本数据;对样本数据的电力负荷特性进行分析,得到电力负荷的影响因素;S2、根据得到的影响因素,通过聚类和模态分解将样本数据进行预处理,得到相似日样本数据;S3、基于相似日样本数据通过平滑算法模型或BP神经网络算法模型建立电力负荷预测模型,并利用BP神经网络训练电力负荷预测模型,得到训练后的电力负荷预测模型;S4、利用训练后的电力负荷预测模型对未来负荷进行短期预测。本发明考虑到钢铁板材企业的负荷影响因素与其日常设备运维、能源管理等系统紧密相关,提出将对影响因素管理与预测进行结合,以确保预测结果准确性。
技术关键词
电力负荷预测模型
电力负荷预测方法
样本
神经网络算法模型
BP神经网络训练
BP神经网络算法
短期电力负荷
电力负荷特性分析
平滑算法
多层前馈神经网络
电力预测技术
负荷历史数据
相关系数法
互连方式
梯度下降法
负荷特征
能源管理
系统为您推荐了相关专利信息
弱分类器
标签
生成分类模型
生成样本数据
强分类器
药物关联预测方法
随机森林模型
注意力
矩阵分解方法
因子
震害预测
建筑物
YOLOv3算法
优化资源配置
图像
隐马尔可夫模型
预警方法
设备运行参数
数据
转移概率矩阵