基于CNN-BiLSTM与XGBoost结合的负荷预测方法及系统

本发明公开了一种基于CNN‑BiLSTM与XGBoost结合的负荷预测方法，属于电力负荷预测领域。方法包括：获取历史负荷数据和历史气象数据，并对历史负荷数据和历史气象数据进行预处理，得到预处理后的历史负荷数据；采用乘法季节调整法对预处理后的历史负荷数据分解，得到趋势序列、季节序列和不规则序列；构建CNN‑BiLSTM混合模型，预测趋势序列；构建XGBoost模型，预测季节序列和不规则序列；将预测的趋势序列和预测的季节序列和不规则序列相乘，并对结果进行评价，得到预测后的负荷数据，实现基于CNN‑BiLSTM与XGBoost结合的负荷预测。本发明使用CNN‑BiLSTM混合模型在LSTM网络从过去到未来单向流动的基础上增加了从未来到过去的数据流向，充分挖掘数据的时序特征结构，提升了负荷预测的精度及泛化能力。