一种基于优化K-means-Bi LSTM和误差修正的虚拟电厂负荷预测方法

本发明涉及电力负荷预测技术领域，具体涉及一种基于优化K‑means‑Bi LSTM和误差修正的虚拟电厂负荷预测方法，包括以下步骤：S1、采集原始数据，并分析原始数据中影响负荷的负荷影响因素；S2、通过K‑means聚类对原始数据进行聚类迭代，将获得的数据划分为训练集与测试集；S3、通过训练集与测试集训练Bi‑LSTM预测模型，若Bi‑LSTM预测模型进行负荷预测的准确率达不到预设阈值，则调整模型参数；若准确率达到预设阈值，则对负荷预测的预测误差进行修正，并输出负荷预测。本发明相比于其他负荷预测模型的负荷预测精度有所提升，提高了虚拟电厂负荷预测模型的泛化能力和准确性。