-
公开(公告)号:CN118211844A
公开(公告)日:2024-06-18
申请号:CN202410298198.X
申请日:2024-03-15
Applicant: 东北农业大学
IPC: G06Q10/0637 , G06F18/15 , G06F17/16 , G06Q50/06
Abstract: 本发明公开了一种基于分解策略与深度学习的电力负荷预测方法,为了解决在以往的大多数研究中忽视了数据预处理的必要性,导致预测精度不高的问题。该方法主要由“SSA+CEEMDAN”和“RIME‑BiTCN‑BiGRU‑Attention”两部分组成,包括以下步骤:首先,采用CEEMDAN算法对原始数据进行平滑处理;其次,采用奇异谱分析SSA对复杂度最高的分量进行降噪处理;再次,通过BiTCN层提取时间序列深度信息,并将提取到的信息送至BiGRU和Attention层中进行预测;然后,运用RIME算法对模型参数进行优化,进一步提高模型的性能;最后,将所有分量的预测结果求和,得到最终的预测结果。本发明与传统模型和现有混合模型相比具有显著优势,表明所提模型能有效提高电力负荷预测的精度和效率,为电力规划和调度提供更可靠的支持。