摘要
本发明公开了一种基于误差校正的小水电负荷预测方法,包括,通过集成经验模态分解EEMD将小水电负荷数据进行分解成若干模态分量,降低数据的复杂程度,并利用基于多浣熊目标算法MOCOA对BiLSTM神经网络的超参数进行寻优,得到最佳的参数组合,建立负荷预测模型,得出初步预测数值;然后综合考虑上阶段的真实值和预测值作差所得误差序列和外界影响因素的误差数据集,建立误差校正模型,得到误差校正值,然后叠加两个阶段的预测值,为最终的负荷预测结果。
技术关键词
小水电
负荷预测方法
误差校正
集合经验模态分解
负荷预测模型
集成经验模态分解
预测误差
BiLSTM模型
序列
阶段
检查算法
超参数
数据
随机噪声
规模
系统为您推荐了相关专利信息
时间同步方法
IEEE1588协议
基站
最佳主时钟算法
基准
混合整数线性规划模型
时间序列模型
数据挖掘算法
深度强化学习模型
负荷预测模型
校准相机
快速识别方法
图像校准
误差校正
图像像素
燃料电池冷却系统
能效管理方法
深度强化学习
负荷预测模型
多时间尺度
燃油加油机
计量模块
计量系统
传感器模块
控制模块