摘要
本发明涉及一种配变重过载预测方法,包括:获取目标区域内的每日预设间隔时间的历史电力负荷数据;根据预设的STL时间序列分解算法对所述历史电力负荷数据进行分解,获得多个序列分量;对所述序列分量进行特征提取,获得序列特征分量;根据预设预测模型预测对应所述序列特征分量的未来序列值,得到电力负荷预测数据;根据预设评估模型对所述电力负荷预测数据进行准确率评估,得到样本预测负载;根据所述样板预测负载计算样本负载率;根据预设重过载判断阈值对所述样本负载率进行重过载判断。本发明的技术方案提供了一种具可靠预测精度、简单易实现、模型可解释性较好等特点,并能良好应用于电力负荷数据的配变重过载预测方法及设备。
技术关键词
配变重过载预测方法
电力负荷预测
序列特征
分解算法
数据
样本
平滑算法
加权最小二乘法
表达式
存储计算机程序
特征提取模块
预测系统
预测误差
周期
处理器
计算机设备
系统为您推荐了相关专利信息
四足机器人
数据驱动模型
残差学习
身体结构
容错控制方法
电压传感器
在线检测系统
电阻温度传感器
电容
RS485通信模块
智能数据采集方法
企业信用数据
消息
接口
LRU算法
阶段
LED显示器
节点
智能调控方法
实时数据采集