摘要
本发明一种基于EMD‑KPCA‑改进BP神经网络的最大负荷量预测方法,获取区域中多个历史周期内影响电力系统负荷的基础数据及对应最大负荷数据进行EMD‑KPCA预处理,基于预处理后的基础数据和最大负荷数据生成第一训练样本集对LSTM训练,利用训练好的LSTM网络得到未来时间段的预测值,将未来时段预测值进行KPCA‑EMD处理得到预测的基础数据及最大负荷数据;历史周期内影响电力系统负荷的基础数据及最大负荷结合预测得到的基础数据及最大负荷生成第二训练样本集;利用第二训练样本集对BP网络进行训练得到训练好的电力负荷量预测模型;获取区域中基础数据输入训练好的电力负荷量预测模型获得最大负荷量预测值。
技术关键词
负荷量预测方法
电力系统负荷
BP神经网络
数据
训练样本集
基础
变量
三次样条插值法
特征值
区域电力系统
周期
矩阵
梯度下降法
时间段
线性
参数
系统为您推荐了相关专利信息
深度学习预测模型
混合优化算法
预警方法
二维图像数据
工业互联网平台
环境感知装置
环境感知数据
回环检测方法
移动设备
地图