一种基于深度信念网络预测的用户负荷基线负荷计算方法

本发明涉及电力系统及其自动化领域，具体公开了一种基于深度信念网络预测的用户负荷基线负荷计算方法，包括以下步骤：步骤S1、对用户负荷数据进行预处理，包括对异常数据进行检测，以及对异常数据进行填补或删除，以确保数据的准确性和完整性；步骤S2、基于预处理后的用户负荷数据，通过聚类及相似性计算，对不同用户历史数据集进行同源分组处理，提取用户的典型用电模式特征，便于不同用电模式的用户进行针对性的基线负荷预测；步骤S3、将不同组别的数据集输入至已训练好的深度置信网络DBN中，利用DBN的非线性映射能力和强泛化性能，实现对用户CBL的准确预测。本发明的优点是预测精度高、误差小，为工业用户CBL的准确计算提供参考。