摘要
本发明提出一种电力负荷预测方法及系统,包括:将历史负荷时间序列按照非均匀时间窗口划分为多个历史DTB,通过Logistic映射对历史每个DTB进行非线性变换,对DTB进行多尺度的分形特征提取,基于分形特征进行第一预测,得到未来每个DTB的第一预测负荷,并计算历史每个DTB的第一预测残差,再构建时空关联网络,进行第二预测,得到未来每个DTB的第二预测负荷,并计算历史每个DTB的第二预测残差,基于两次预测的残差主观和,对第一预测负荷和第二预测负荷进行模糊融合得到最终预测负荷。本发明利用双重预测,通过捕捉负荷数据的内在规律及时间上的相互关系进行二次负荷预测,并对预测结果进行有效融合,以结合多种预测的优势,提高负荷预测准确性和可靠性。
技术关键词
电力负荷预测方法
预测残差
分形特征
模糊隶属度
LSTM模型
非线性
电力负荷预测系统
多尺度
神经网络模型
模糊集合
序列
模糊规则
模糊化方法
数据
节点
模块
关系
多层次
系统为您推荐了相关专利信息
电力负荷预测方法
谐波畸变率
负荷预测模型
频段
数据屏蔽
动态预测方法
残差预测
电缆载流量
残差学习
局部注意力机制
水库调度方法
分布式水文模型
多元回归模型
土地利用数据库
基础
电网运行数据
储能电站
能量管理控制方法
气象预报数据
ARIMA模型