摘要
本发明公开了一种负荷预测方法及系统,属于负荷预测技术领域。本发明通过在滑动窗口动态取值的基础上结合图像特征提取模块进行特征处理,对现有LSTM模型的结构进行改进且利用Bagging算法训练现有的XGBoost模型,可以加快收敛速度,缓解梯度消失问题;利用IPSO算法更新BILSTM模型和XGBoost模型的权重参数和偏置参数,且IPSO算法在现有的PSO算法的扰动函数中加入基于遗传算法的变异操作,能够在不同的迭代阶段有更好的表现性能,可以进一步提高收敛速度和预测精度。
技术关键词
负荷预测方法
负荷预测模型
XGBoost模型
LSTM模型
记忆单元
时序特征
粒子
图像特征提取
矩阵
负荷预测技术
序列
滑动窗口算法
遗传算法
参数
数据
特征值
系统为您推荐了相关专利信息
滑坡监测预警方法
特征值
测斜数据
网格
LSTM模型
蓄电池运行状态
定量评价指标
长短期记忆神经网络
缺陷识别方法
LSTM模型
三元组
数据特征分类
机器学习模型
聚类特征
随机森林
计费结算方法
BOSS系统
孤立森林算法
动态规则引擎
因子