摘要
一种园区电力负荷预测方法、系统及计算机可读存储介质,包括将园区电力负荷数据进行采集并进行初步插值处理得到初始园区电力负荷数据集;对初始园区电力负荷数据集进行归一化,然后采用互补集合经验模态分解得到多个本征模态分量;构建扩展长短期记忆神经网络XLSTM的特征提取模型,对互补集合经验模态分解得到的分解量进行特征提取,选用变压器模型Transformer进行预测处理,综合各分量预测结果,得到未来园区电力负荷最终预测值。最终将各个序列的预测值进行拟合重构得到最终预测结果。本发明提高了园区电力负荷预测的准确性,为园区各分布式能源接入提供较高精确度的参考数据。
技术关键词
互补集合经验模态分解
电力负荷预测方法
电力负荷预测系统
长短期记忆神经网络
变压器模型
特征提取模型
数据
序列
标准化方法
噪声
注意力
可读存储介质
信号
编码
重构模块
系统为您推荐了相关专利信息
湍流
风电机组控制方法
风速预测模型
记忆单元
时序
光伏系统
LSTM神经网络
在线检测方法
长短期记忆神经网络模型
经验模态分解方法
负荷预测方法
天气
综合评价指标
皮尔逊相关系数
误差修正模型
负荷预测方法
LSTM模型
注意力
神经网络优化器
编码
资源分配
监测控制模块
信号处理单元
管理控制系统
神经网络模型