摘要
本发明涉及电力系统中可调负荷需求响应能力评估与预测技术领域,公开了一种基于数据驱动与概率评估的负荷聚合体响应潜力预测方法、系统、设备及介质,方法包括:对历史负荷及相关特征数据预处理,清洗异常值、用回归插值模型填补缺失数据以保证数据质量。针对负荷聚合体内各用户算基线负荷,评估其在需求响应事件下的可调负荷潜力,叠加得总需求响应潜力。再用随机森林算法对影响潜力的特征排序筛选,提取关键特征。用长短期记忆神经网络模型进行点预测,结合核密度估计方法对预测误差进行概率分布建模,获预测区间。该方法综合考虑多种影响因素,引入不确定性量化,融合确定性与概率预测,实现概率化和区间化预测。
技术关键词
潜力预测方法
聚合体
可调负荷
变量
长短期记忆神经网络模型
历史负荷数据
基线
核密度估计方法
概率分布建模
需求响应事件
电力系统
线性回归方程
随机森林模型
插值模型
预测系统
预测误差
策略
系统为您推荐了相关专利信息
土壤重金属检测系统
原子吸收光谱仪
风险评估算法
土壤重金属检测方法
光谱分析仪
设备可读存储介质
网络模型训练
监控平台
变量
训练集
智能检测方法
风电机组运行数据
智能模型
变量
特征选择
GRU神经网络
贝叶斯滤波
灰狼算法
锂离子电池
神经网络模型