【技术实现步骤摘要】
一种负荷预测方法及装置
本专利技术涉及负荷预测
，尤其涉及一种负荷预测方法及装置。
技术介绍
短期负荷预测是电力系统规划和正常运行的基础，它关系到电力系统的发电、调度、和决策等。因此，短期负荷预测的一直是国内外专家研究的热点。提高短期负荷预测的准确度，对于电力系统的运行效率、效益和安全至关重要。现有技术中进行短期负荷预测时，一般通过时间序列、回归分析、支持向量机等单一的方法进行预测。现有技术中的预测方法对于趋势明显、表现很强收敛性的数据集预测效果较好。但是，单一方法进行预测，对于那些数据集收敛性差、波动较大和受突发事件影响的情况下，现有技术中的预测方法往往会出现陷入局部最优化的问题，导致预测结果准确性较差。
技术实现思路
本专利技术实施例提供了一种负荷预测方法及装置，用以解决现有技术中负荷预测不准确的问题。本专利技术实施例提供了一种负荷预测方法，所述方法包括：接收至少两个单一预测模型当前输出的第一初始负荷预测值；将每个第一初始负荷预测值输入预先训练完成的反向传播神经网
【技术保护点】
1.一种负荷预测方法，其特征在于，所述方法包括：/n接收至少两个单一预测模型当前输出的第一初始负荷预测值；/n将每个第一初始负荷预测值输入预先训练完成的反向传播神经网络BPNN模型；/n基于所述BPNN模型，确定目标负荷预测值。/n
【技术特征摘要】
1.一种负荷预测方法，其特征在于，所述方法包括：
接收至少两个单一预测模型当前输出的第一初始负荷预测值；
将每个第一初始负荷预测值输入预先训练完成的反向传播神经网络BPNN模型；
基于所述BPNN模型，确定目标负荷预测值。
2.如权利要求1所述的方法，其特征在于，所述接收至少两个单一预测模型输出的初始负荷预测值之前，所述方法还包括：
将获取到的预设时间长度内的数据分别输入至少两个单一预测模型。
3.如权利要求1所述的方法，其特征在于，所述基于所述BPNN模型，确定目标负荷预测值包括：
根据所述BPNN模型中每个输入层的第一权重和每个输出层的第二权重，以及输入的每个第一初始负荷预测值，确定目标负荷预测值。
4.如权利要求1所述的方法，其特征在于，所述BPNN模型的训练模型包括：
针对训练集中每组第二初始负荷预测值，将该组第二初始负荷预测值，和该组第二初始负荷预测值对应的负荷真实值输入BPNN模型，对所述BPNN模型进行训练。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
针对测试集中预设数量的每组第三初始负荷预测值，基于所述BPNN模型确定该组第三初始负荷预测值对应的测试负荷预测值；
根据每个测试负荷预测值和每个测试负荷预测值对应的负荷真实值，确定所述BPNN模型的误差评价值；
判断所述误差评价值是否小于预设的阈值，如果是，确定所述BPNN模...
【专利技术属性】
技术研发人员：刘松，刘鹏，崔亚明，俞石洪，横山隆一，
申请(专利权)人：华北电力大学扬中智能电气研究中心，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。