摘要
本发明实施例提供一种负荷预测方法、系统、电子设备及存储介质,属于电力预测领域。该方法包括:获取历史负荷数据并进行预处理,获得目标历史负荷数据;将其输入至预先构建的LTSF‑Linear模型进行预测,获得预测结果;使用多模型融合Stacking集成学习将LTSF‑Linear模型输出的预测结果基于线性回归模型计算得到目标预测结果。在预测模型构建方面,使用LTSF‑Linear模型中的各子模型作为负荷预测的基模型对历史负荷数据分别进行预测,使用基于上述基模型的线性回归模型作为元模型,并通过多模型融合Stacking集成学习的方法训练得到最终预测结果,提高了负荷预测结果的精准度。
技术关键词
历史负荷数据
Stacking集成学习
线性回归模型
负荷预测方法
序列
多模型
负荷预测系统
非暂态计算机可读存储介质
学习器
电子设备
处理器
时序
存储器
周期
噪声
电力
程序
系统为您推荐了相关专利信息
短期负荷预测方法
联合注意力机制
灰色关联度
多模态注意力
负荷传感器
综合相关系数
数字孪生模型
算术平均值
闭环仿真系统
滑动时间窗
情绪特征
多模态交互
双向长短期记忆网络
交互特征
时间序列特征
机械臂控制方法
视觉
可读存储介质
机械臂控制技术
机械臂控制系统