摘要
本发明涉及电力数据分析技术领域,尤其涉及一种基于可再生能源渗透率变化的电力成本预测方法及系统,所述方法先获取电力系统中的历史数据及实时特征数据,再将历史数据及实时特征输入预先训练的循环神经网络模型中,预测得到未来一段时间内的渗透率,最后,将实时特征数据和渗透率输入基于梯度提升框架的机器学习模型中,计算得到预测成本。所述方法通过实时捕捉可再生能源渗透率变化对系统成本的动态影响,实现电网成本的动态预测。相较于现有技术,采用本发明方法对电网成本进行预测,具备更高的准确性。
技术关键词
可再生能源
循环神经网络模型
机器学习模型
电力系统运行数据
数字孪生模型
电力数据分析技术
LSTM模型
计算机程序指令
电力线路参数
气象
校正
表达式
预测系统
框架
存储器
处理器