摘要
本发明提供一种基于XGBoost权重分配和改进多尺度LSTM的私人桩场站充电负荷预测方法及相关装置,该方法包括:将依据自相关分析计算得到最优样本尺度作为滑动窗口的窗口大小,对历史充电负荷数据、天气数据进行处理构造样本数据集;使用XGBoost分析样本中各参数对充电负荷的相关性,基于分析所得相关性系数对样本中的各参数进行权重分配,然后进行数据的归一化得到归一化后的样本数据集;基于改进多尺度LSTM模型以及归一化后的样本数据集输出预测值。本发明对各参数的相关性计算更精确,多尺度特征和差异化特征的学习更全面,预测准确率更高,能够为电网的稳定运行和调度规划提供有效支撑。
技术关键词
充电负荷预测方法
LSTM模型
样本
负荷预测装置
数据
滑动窗口
参数
归一化模块
记忆单元
负荷预测系统
可读存储介质
时序特征
输出特征
多尺度特征
线性
矩阵
天气
系统为您推荐了相关专利信息
参数优化方法
机器学习模型
粒子群优化算法
数据
样本
城市固废
模型构建方法
数值仿真模型
FLUENT软件
误差
无人机多光谱影像
叶枯病
制图方法
归一化植被指数
计算机存储介质
生成器网络
样本
堆叠结构
信号识别方法
随机噪声