摘要
本申请提供一种考虑弱量测的低压分布式光伏高渗透的地区短期负荷预测方法。该方法包括:构建包含滞后特征、周期特征和日历特征的多维时序特征并对特殊闰年情况作特殊处理;采集历史负荷数据,识别负荷是否包含分布式光伏出力并添加数据标签;基于所述多维时序特征和分布式光伏识别特征,构建包含双向长短期记忆神经网络的预测模型;采用粒子群优化算法对所述神经网络预测模型的关键超参数进行迭代优化;利用优化后的模型进行电力负荷预测。本发明通过多维时序特征和分布式光伏识别特征,显著提升了负荷预测精度,有效解决了分布式光伏并网带来的相关负荷预测难题。
技术关键词
短期负荷预测方法
低压分布式光伏
神经网络预测模型
双向长短期记忆
时序特征
超参数
滞后特征
负荷预测模型
粒子群优化算法
历史负荷数据
神经网络模型
分布式光伏并网
识别标签
识别特征
负荷预测精度
数据标签
电力负荷预测
系统为您推荐了相关专利信息
混合深度学习模型
双向长短期记忆网络
变压器
集合经验模态分解
时间卷积网络
模态特征
双向长短期记忆网络
文本
语义协同
融合特征
订正方法
风速
归一化植被指数
时序特征
输入多尺度