摘要
一种考虑气象相似日的日用电量递归多步预测方法及装置,属于日用电量预测技术,所述方法包括:获取目标地区历史日气象要素数据以及用电量数据,筛选关键气象要素;利用关键气象要素计算综合相似度,选取气象相似日;提取并整理相似日以及前一天的数据,组成训练集数据;训练神经网络;使用训练后的神经网络,将预测日的前24小时数据作为输入,进行递归预测,得到预测日的用电量的预测结果。所述装置用于实现上述方法。本发明将相似日算法与递归多步预测方法有机结合起来,不仅使用相似日算法提高了模型对不同天气状况的针对性,还利用递归多步预测方法挖掘用电量数据的时序特性,提高了日用电量预测结果的精度。
技术关键词
多步预测方法
训练集数据
数据训练神经网络
气象
日用电量
灰色关联分析法
皮尔逊相关系数
神经网络训练
数据处理模块
时序
预测装置
分辨率
算法
标签
精度
系统为您推荐了相关专利信息
CAN总线网络
异常检测方法
SVDD算法
节点特征
消息流
灌溉管理系统
智能决策引擎
云平台管理系统
数据可视化
水肥一体化装置
LSTM模型
多模态数据融合
动态调整机制
船舶自动识别系统
船舶路径规划
可再生能源设备
电力调度中心
性能评估方法
无人机基站
气象
深度学习预测模型
误差补偿模型
加权特征
输出特征
融合特征