基于多核函数与卡尔曼滤波的短期电力负荷预测方法

本发明公开了一种基于多核函数与卡尔曼滤波的短期电力负荷预测方法，以多核函数作为神经网络隐藏层节点的核函数，构建基于多核函数的短期电力负荷预测神经网络，将短期电力负荷预测神经网络中各层之间的权重参数、多核函数的组合系数、局部核函数和全局核函数的核参数组成神经网络参数向量，然后将短期电力负荷历史数据集分批输入所构建的短期电力负荷预测神经网络，采用高阶无迹卡尔曼滤波更新神经网络参数向量。最后将需要负荷预测日期前的历史负荷数据输入训练好的短期电力负荷预测神经网络，得到负荷预测结果。本发明技术方案能够显著提升预测模型的灵活性和适应性。