摘要
本发明公开了一种电力系统中长期负荷预测方法、装置、介质及设备,涉及电力领域,包括获取电力系统中长期负荷数据,确定原始时间序列;通过采用降采样方法将原始时间序列分解为小时级时序数据、日级时序数据和月级时序数据,基于季节和趋势分解STL算法分别对不同时间尺度的数据序列进行分解,确定季节分量,趋势分量和残差分量;通过LSTM模型确定趋势分量的预测结果,基于多层感知机MLP确定残差分量的的预测结果,采用傅里叶级数确定季节分量的预测结果;通过将季节分量,趋势分量和残差分量的预测结果进行融合,确定不同时间尺度的预测结果,将不同时间尺度的预测结果进行融合,实现电力系统中长期负荷预测结果的准确获取。
技术关键词
序列
多层感知机
时序
数据
降采样方法
LSTM模型
分量特征
模块
负荷
处理器
算法
预测装置
计算机设备
可读存储介质
存储器
周期
线性
系统为您推荐了相关专利信息
磁感应强度
燃料电池
管控方法
风险
LSTM模型
能见度
轮廓标
传感器模组
大气消光系数
照度传感器