摘要
本发明属于电力负荷预测技术领域,公开了一种考虑时空特性的多台区负荷概率预测方法及系统,采集台区的地理位置数据、历史负荷数据以及与负荷相关的外部数据并进行预处理;将台区作为节点,将台区之间的电气连接作为边构建图结构;对图结构进行特征提取,获得多台区之间的空间特征,对空间特征进行操作,获得时间特征;对空间和时间特征进行动态融合,获得融合后的特征,基于融合后的特征行负荷概率预测;定义损失函数,优化模型参数,获得训练好的负荷概率预测模型。本发明考虑实际物理空间信息以及时间特征信息实现对多台区负荷的预测,通过概率预测的方式反映负荷的不确定性,为电力系统的调度、规划与运行管理提供更全面可靠的负荷信息。
技术关键词
概率预测方法
历史负荷数据
时间序列特征
高斯混合模型
电力负荷预测技术
动态
节点特征
地理位置信息
模型训练模块
处理器
特征提取模块
计算机程序产品
预测系统
电气
指令
定义
系统为您推荐了相关专利信息
样本
增广拉格朗日
结构方程模型
阶段
高斯混合模型
天气预报数据
梯度提升决策树
GBDT算法
特征选择
机器学习算法
电力系统拓扑模型
节点特征
多头注意力机制
时间序列特征
电力负荷预测方法
双面反射镜
四分之一波片
角锥棱镜
圆偏振光
腔体