摘要
本发明公开了一种基于特征和模型优化的区域用电量预测方法,所述方法步骤如下:S1:获取由历史用电量数据和气象属性数据两个部分组成的原始数据;S2:将历史用电量数据和气象属性数据根据时间进行连接整合,生成源数据集,并对源数据集进行数据预处理;S3:利用特征工程方法处理源数据集,生成可供模型输入的训练样本和测试样本;S4:构建用电量预测回归模型;S5:将训练样本输入至用电量预测回归模型中,对用电量预测回归模型进行训练;S6:将测试样本输入至训练后的用电量预测回归模型中,对测试样本进行用电量的预测,输出预测结果。本发明极大程度挖掘了原始可利用数据的价值,提升了预测服务的鲁棒性、可靠性和优越性。
技术关键词
区域用电量预测方法
气象预报数据
模型超参数
粒子群优化算法
特征工程方法
数值
特征选择
样本
预测系统
历史气象数据
节假日信息
学习器
日期
模型训练模块
数据可视化
数据处理模块
系统为您推荐了相关专利信息
优化决策方法
光储系统
系统仿真模型
储能
系统配置数据
智能客服系统
意图
实体链接模型
分析单元
问答模型
合作伙伴推荐方法
多层异质网络
生成企业
节点
数据收集模块
污染源追踪定位方法
粒子群优化算法
矩阵
高斯烟羽模型
数据