摘要
本申请提供一种多模型融合的短期负荷预测方法及装置,涉及短期负荷预测技术领域。该方法包括:获取当前时刻的目标电力系统的负荷数据,并分别获取当前时刻和目标时刻的日期属性、气象属性和季节属性;将当前时刻的负荷数据、日期属性、气象属性和季节属性以及目标时刻的日期属性、气象属性和季节属性输入短期负荷预测模型中,输出目标电力系统在目标时刻的预测负荷数据,短期负荷预测模型基于BP神经网络、LSTM神经网络和Logistic回归分析网络构建得到。本申请能够提高预测的准确性。
技术关键词
短期负荷预测模型
短期负荷预测方法
历史负荷数据
权重模型
LSTM神经网络
气象
日期
BP神经网络构建
电力系统
短期负荷预测装置
多模型
短期负荷预测技术
输入端
粒子群算法
数据获取模块
系统为您推荐了相关专利信息
配电网网格化
信息管理方法
指标
参数
信息采集系统
数据立方体
空间光谱特征
反射率
深度神经网络模型
波长
多源信息融合
通信终端
飞行状态数据
监管方法
终端定位数据
液冷动力电池
热管理系统
数据驱动模型
电池历史数据
环流
泊位
权重算法
电子围栏技术
识别方法
高精度船舶