摘要
本申请公开了一种考虑有功‑无功耦合的配电网负荷组合预测方法、系统及设备,涉及配电网负荷技术领域,方法包括:基于完全自适应噪声集合经验模态分解,将有功负荷分解为本征模态分量子序列;将任一电力负荷观测数据中的无功负荷作为输入,无功负荷对应的本征模态分量子序列作为标签,对BiLSTM‑Adaboost模型进行训练以得到配电网负荷预测模型;将任一节点类型负荷的无功负荷输入至配电网负荷预测模型中,以得到预测本征模态分量子序列,并根据预测本征模态分量子序列重构叠加确定对应的预测有功负荷。本申请可提高配电网负荷预测的精准度与稳定性。
技术关键词
负荷组合预测方法
配电网负荷预测
无功负荷
Adaboost模型
双向长短期记忆网络
集合经验模态分解
Adaboost集成学习
序列
电力
数据
噪声
强分类器
叠加结构
训练样本集
非线性映射关系
重构
负荷技术
模型训练模块
系统为您推荐了相关专利信息
疾病诊断信息
诊断报告生成方法
生成模型训练方法
图像
双向长短期记忆网络
漏损检测系统
污水管网
比例积分控制算法
多尺度卷积神经网络
滑动窗口优化
分布式发电单元
系统运行优化
负荷历史数据
储能单元
负荷预测模型
摘要生成方法
文本
关键词
机器学习算法模型
双向长短期记忆网络