摘要
本发明提供一种短期负荷预测方法,包括,收集电力系统的多变量数据,并对收集的多变量数据进行预处理;其中,所述多变量数据至少包括电力负荷数据、天气数据、节假日信息及日期数据;将预处理后的多变量数据输入预训练的预测模型,得到对应的预测结果;其中,所述预测模型为时间卷积网络与长短期记忆网络相结合的模型,并通过预设的搜索算法进行超参数优化,及利用历史多变量数据进行训练后,结合多个固有模态分量预测结果为模型输出;根据预测结果确定电力系统对应的短期负荷。本发明有效提取电力负荷数据中的非线性特征,并通过多模型的优势互补,实现更为精准的负荷预测,为电力系统的稳定运行提供坚实保障。
技术关键词
长短期记忆网络
短期负荷预测方法
时间卷积网络
变量
数据
节假日信息
电力系统
搜索算法
注意力参数
窄带条件
非线性特征
超参数
拉格朗日
序列
多模型
模块
日期