电力短期负荷预测方法和装置

    公开(公告)号:CN109657844B

    公开(公告)日:2022-08-16

    申请号:CN201811433283.3

    申请日:2018-11-28

    Abstract: 本发明公开了电力短期负荷预测方法和装置,其中方法包括:基于日负荷曲线对历史数据的日类型进行划分;将获得的每一个日类型包含的历史日负荷信息及选定的特征数据作为输入,以预测的日负荷值作为输出分别建立针对不同日类型的若干多元线性回归预测模型;基于TensorFlow深度学习模型对建立的若干多个多元线性回归预测模型进行训练、参数调优和验证,得到针对不同日类型的短期负荷预测模型。本发明能够依据节假日和日负荷曲线等信息,自动划分日类型;采用多元线性回归模型,综合考虑节假日和天气变化对负荷的影响;在深度学习框架下按日类型自动训练并调优,得到三种短期负荷预测模型,并计算得到较准确的负荷预测值。

    一种基于相似区间自适应辨识的超短期负荷预测方法

    公开(公告)号:CN117458458A

    公开(公告)日:2024-01-26

    申请号:CN202311406934.0

    申请日:2023-10-26

    Abstract: 本发明公开了一种基于相似区间自适应辨识的超短期负荷预测方法、系统及装置,步骤如下:获取历史数据集;从历史数据集中提取出预测区间的典型曲线,并给每个历史日期打上类别标签;从历史数据集中按日期提取历史样本特征;基于XGBoost算法训练分类模型;从预测日数据集中提取样本特征;根据预测日样本特征智能辨识预测日所属类别,以该类别的典型曲线作为超短期预测的相似区间曲线;根据预测时刻前的负荷水平,对相似区间曲线进行偏差修正,得到预测结果。本发明将影响特征从日期类型和负荷曲线拓宽到气象条件,将相似区间参考范围从全天精细化为预测时间窗口期,用机器学习算法智能辨识相似区间,能够显著提高超短期负荷预测准确率。

Patent Agency Ranking