摘要
本发明公开了一种基于大数据的负荷预测方法及负荷预测系统,涉及电网负荷预测技术领域,该方法包括:基于最小二乘支持向量机,对负荷历史数据进行预处理;通过对复杂度降低后的负荷历史数据进行分解,得到过零率和样本熵,确定负荷数据的多频分量;通过预设的混合算法,并结合负荷数据的多频分量,训练得到多模因加权组合分析模型;基于多模因加权组合分析模型,并依据改进的灰狼算法,确定各预测模因模块负荷预测结果的权重;对各预测模因模块负荷预测结果进行加权组合,获得最终负荷预测结果。本发明通过组合预测方法,提升模型鲁棒性,动态的更新模型输出结果优化各模因模块之间的权重占比,在复杂环境下能够提高负荷预测的适应能力。
技术关键词
负荷历史数据
负荷预测方法
灰狼算法
大数据
循环神经网络模型
负荷预测系统
卷积神经网络模型
混合算法
随机森林模型
支持向量机
拉格朗日
复杂度
电网负荷预测技术
模块
集成经验模态分解
样本
非线性
组合预测方法
表达式
系统为您推荐了相关专利信息
关键词
语音服务方法
文本
智能仿生语音服务系统
语义
短期负荷预测方法
组合预测模型
多用户
GCN模型
负荷预测模型