摘要
一种新经济形势下的短期电力负荷预测方法,包括:S1、确定负荷预测目标区域,收集消费者行为数据、电动汽车数据、能源转型相关数据、数字化智能化数据,形成原始数据集合;S2、对原始数据集合中的数据进行预处理后,进行归一化处理,得到归一化后的数据集;S3、对归一化后的数据集进行数据降维处理,然后构建VMD‑GA模型,使用遗传算法优化变分模态分解模型的参数,利用降维处理后的数据集训练VMD‑GA模型,得到模态分解后的数据集;S4、构建IPSO‑GRU模型,粒子群算法优化GRU模型的超参数,利用模态分解后的数据集训练IPSO‑GRU模型;S5、采集目标区域运行参数,基于VMD‑GA模型和IPSO‑GRU模型,进行下一目标时段的电力负荷预测。本设计能够适应现有用电结构和负荷特性。
技术关键词
GRU模型
遗传算法优化
计算机程序代码
协方差矩阵
短期电力负荷预测
参数
主成分分析降维
能源
粒子群算法优化
数据采集模块
智能电表数据
电能
频率
功率
系统为您推荐了相关专利信息
扩张状态观测器
组合导航方法
海况估计
协方差矩阵
卡尔曼滤波器
消防机器人
位置误差校正
灭火方法
实时图像
传感模块
波形反演方法
代表
协方差矩阵
贝叶斯反演框架
石油地球物理勘探
微粒群算法
染色体
网络
变压器故障诊断
遗传算法优化
协方差矩阵
应变片传感器
负载传感器
温度补偿系数
测量方法