摘要
本发明公开了基于需求态势感知融合模型的电力预测方法,涉及电力需求预测技术领域,包括:S1、对区域内的用电行为数据与环境用电数据进行抽样并对其进行分割得到训练集与测试集;S2、将训练集进行异常值处理后作为基学习器的输入获取第一训练特征;S3、对第一训练特征进行动态聚类,选择最优特征与目标变量进行特征融合得到目标特征,通过目标特征对元学习器进行训练构建需求态势感知融合模型;S4、需求态势感知融合模型响应测试集得到修正因子,根据修正因子对模型进行矫正得到目标需求态势感知融合模型;S5、目标需求态势感知融合模型响应实时特征数据获取区域电力需求结果;显著提高了用电量预测精度和可靠性。
技术关键词
电力预测方法
学习器
训练特征
轮廓系数
变量
数据处理模块
训练集
LightGBM模型
聚类
模型校准
行业特征
数据采集模块
因子
电力需求预测
动态
预测系统
样本
序列
梯度下降算法
系统为您推荐了相关专利信息
孤子光纤激光器
可饱和吸收体
激光谐振腔
波分复用器
偏振控制器
异常流量
分析网络流量
数据分析模型
网络监测设备
接口测试技术
遥感图像分类方法
中心服务器
遥感图像数据
节点
机器学习模型