摘要
本发明公开了一种用于智能配电系统的负荷预测方法及系统,涉及配电系统的负荷预测技术领域,解决了现有技术将配电系统负荷的众多影响因素数据作为机器学习模型的训练数据进行训练,影响模型预测精准度的技术问题;本发明对历史评估周期内配电系统的负荷数据和影响因素数据的异常进行处理;处理之后,分析历史评估周期内配电系统的负荷与各影响因素之间的相关性,获取强相关影响因素;基于强相关影响因素的预测数据变化情况预测负荷变化情况,得到预测负荷,以及分析需求负荷;将预测负荷与需求负荷进行比较,优化电力系统分配;本发明通过分析强相关影响因素,并进一步预测负荷变化情况,极大提高了负荷预测的准确性和可靠性。
技术关键词
智能配电系统
负荷预测系统
优化电力系统
负荷预测方法
负荷预测模型
异常数据处理
序列
周期
曲线
配电系统负荷
负荷预测技术
皮尔逊相关系数
LSTM模型
数据分析模块
机器学习模型
数据处理模块
系统为您推荐了相关专利信息
电力系统设备管理
需求预测模型
负荷预测模型
长短期记忆网络
实时监测数据
短期负荷预测方法
综合能源系统
序列
特征提取网络
混合神经网络模型
负荷预测方法
天气预报数据
多任务
SOM算法
负荷预测模型
负荷预测方法
换电站
能耗
决策
Dijkstra算法
电力负荷预测模型
非线性
多项式
电力负荷预测方法
序列