一种基于LSTM-DNN混合神经网络的短期负荷预测方法及系统

本发明公开了一种基于LSTM‑DNN混合神经网络的短期负荷预测方法，涉及电力系统技术领域，包括收集电力负荷数据和气象参数数据；对电力负荷数据和气象参数数据进行预处理；基于多维度动态分析，将电力负荷数据划分为高峰负荷、低谷负荷和平峰负荷三种类型；对各类型电力负荷数据及其对应的气象参数数据进行特征提取，得到各类型电力负荷的特征子集；构建LSTM‑DNN混合神经网络模型架构，使用训练数据集对LSTM‑DNN混合神经网络模型进行训练和参数优化，得到负荷预测模型；将实时数据预处理和特征提取后，输入负荷预测模型进行预测，对预测结果进行反标准化处理，完成短期负荷预测。本发明能够综合各天气因素对电力负荷预测的影响，从而有效提高负荷预测的精度。