摘要
本发明公开了一种基于趋势化与季节性建模的短期负荷预测方法及系统,属于电力负荷预测技术领域,所述方法包括:获取待测负荷数据;对待测负荷数据进行预处理,得到标准负荷数据;将标准负荷数据输入预先训练的短期负荷预测模型,得到短期负荷预测值;其中,预先训练的短期负荷预测模型的获取方法包括:获取历史负荷数据集并对其中的各历史负荷数据进行预处理,得到历史样本集;将历史样本集输入预先构建的短期负荷预测模型,得到训练好的短期负荷预测模型,其中,预先构建的短期负荷预测模型基于权重自适应调整线性层对趋势特征进行提取,并基于扩展长短期记忆网络对季节特征进行提取,实现了短时间尺度内对负荷数据进行高精度负荷预测的效果。
技术关键词
短期负荷预测模型
短期负荷预测方法
长短期记忆网络
历史负荷数据
季节特征
短期负荷预测系统
线性
序列
电力负荷预测技术
雅可比矩阵
特征提取模块
样本
指数
时序
多项式
表达式
系统为您推荐了相关专利信息
长短期记忆网络
非线性特征
层级
时间域
构建时间序列模型
数据预测方法
天气预测模型
空间特征提取
模型超参数
空间结构
芯片缺陷检测
知识图谱推理
知识图谱构建
图像处理单元
反馈控制器
基站
流量预测模型
采样点
功率优化
神经网络算法