基于深度混合学习模型的短期电力负荷预测方法及装置

    公开(公告)号:CN115936208A

    公开(公告)日:2023-04-07

    申请号:CN202211531587.X

    申请日:2022-12-01

    Abstract: 本发明公开了一种基于深度混合学习模型的短期电力负荷预测方法及装置,所述方法包括:获取关于电力负荷的特征数据集,并构建包含多层神经单元的CNN‑BiLSTM网络;采用所述特征数据集对所述CNN‑BiLSTM网络进行预测训练,得到预测训练模型;利用鲸鱼优化算法对所述预测训练模型的迭代优化,得到优化模型;根据所述优化模型预测短期内的电力负荷,得到电力预测结果。本发明可以预先构建包含CNN网络和BiLSTM网络的深度混合学习模型,以及获取电力负荷的特征数据,采用特征数据对深度混合学习模型进行预测训练,并利用鲸鱼优化算法对模型进行预测优化得到电力负荷预测结果,通过结合CNN网络能提升模型对数据的深度挖掘能力,进而提高预测的精度,降低预测的误差。

Patent Agency Ranking