摘要
本发明公开了一种分时段划分的电网负荷预测方法及系统,涉及电网技术领域,包括挖掘分时段划分后的子区域数据,对子区域数据进行分析;利用集成学习算法对分解后的子区域数据进行分量,采用时间序列预测模型将分解结果和分量结果进行合并;收集历史停工期间的电网负荷系数,基于自动填充的数据对电网负荷进行预测。本发明有效解决了传统预测方法在处理多维度因素和数据缺失问题上的不足,精确估算负荷气温,提升预测的精度和鲁棒性,针对停工期间等特殊情况,通过延长负荷曲线轴的自动填充,确保了分时段负荷预测的连续性和准确性,提高了电力系统运行管理的可靠性和效率。
技术关键词
电网负荷预测方法
分时段
时间序列预测模型
预测输出值
集成学习算法
SVM算法
数据
电力系统运行管理
傅里叶分解算法
斯皮尔曼相关系数
曲线
负荷预测算法
样本
集成学习模型
阶段
正则化参数
系统为您推荐了相关专利信息
神经网络模型
核材料辐照损伤
预测输出值
数据
材料剪切模量
布谷鸟算法
超参数
启发式算法
搜索算法
滑动窗口机制
时间序列预测模型
学习器
卷烟
集成学习算法
因子
故障特征
集成学习算法
电网拓扑关系
集成分类器
数据