一种基于条件生成对抗网络的短期负荷预测方法

本发明公开了一种基于条件生成对抗网络的短期负荷预测方法，涉及电力系统负荷预测技术领域，针对目前的短期负荷预测算法无法处理复杂非线性负荷数据之间的底层关系，导致算法预测的准确性不足等问题，本发明依次进行数据预处理、构建条件生成对抗网络CGAN、采用生成模型G和判别模型D交替训练的方法来训练CGAN网络模型以及评价指标四个步骤，通过对抗网络的博弈训练，可以学习到潜在的关系在复杂的非线性序列数据之间生成新的数据；实验结果表明，本方法训练的模型在不同场景下具有较高的预测精度，同时训练效率高，泛化能力强，网络结构清晰，可解释性强，对负荷预测领域具体良好效果。