【技术实现步骤摘要】
一种基于LSTM与多模型集成的负荷预测方法及装置
[0001]本专利技术属于电力负荷预测
,具体涉及一种基于LSTM与多模型集成的负荷预测方法及装置。
技术介绍
[0002]电力负荷预测是电力系统规划、用电、调度等方面的重要基础工作,准确、合理的负荷预测能够为电力系统的优化调度、安全运行与合理定价等决策提供关键的数据支撑,有效地提高经济效益,促进电能消纳。
[0003]目前,电力负荷预测方法已经有了较为成熟的研究。主流的预测方法如统计方法,原理简单,容易实现,但是当样本数据较为复杂时,预测效果一般;另一类方法人工智能算法,对时间序列的处理效果较差,在对较长时间序列进行预测时效果差强人意。目前,常用的电力系统负荷预测深度学习算法普遍存在忽略标签之间的内在联系、忽视数据时序相关性、泛化性较差等问题,导致模型预测效果较差。
技术实现思路
[0004]为解决现有技术中的不足,本专利技术提供一种基于LSTM与多模型集成的负荷预测方法及装置,本专利技术具备高效处理离散数据、考虑数据时序相关性、模型泛化性优越等优点。
[0005]为达到上述目的,本专利技术所采用的技术方案是:
[0006]第一方面,提供一种负荷预测方法,包括:采集电力系统历史运行数据;将采集的电力系统历史运行数据,输入构建的基于LSTM与多模型集成的负荷预测模型,输出负荷预测结果。
[0007]进一步地,所述基于LSTM与多模型集成的负荷预测模型,包括:数据预处理模块,用于对电力系统历史运行数据进行预处理,获得 ...
【技术保护点】
【技术特征摘要】
1.一种负荷预测方法,其特征在于,包括:采集电力系统历史运行数据;将采集的电力系统历史运行数据,输入构建的基于LSTM与多模型集成的负荷预测模型,输出负荷预测结果。2.根据权利要求1所述的负荷预测方法,其特征在于,所述基于LSTM与多模型集成的负荷预测模型,包括:数据预处理模块,用于对电力系统历史运行数据进行预处理,获得预处理数据;负荷预测模块,用于将预处理数据输入训练好的Stacking预测模型,获得预测结果。3.根据权利要求2所述的负荷预测方法,其特征在于,对电力系统历史运行数据进行预处理,包括:使用均值编码的方式对电力系统历史运行数据中的离散数据进行处理,并将经过均值编码处理后的离散数据与电力系统历史运行数据中的序列数据进行整合,再对整合后的序列数据采用以下公式进行Z
‑
score标准化,得到第一特征数据:其中,x
i
为原始样本数据,z
i
为标准化后的样本数据,μ为所有样本数据的均值,σ为所有样本数据的标准差;将电力系统历史运行数据中的负荷数据输入到多层LSTM神经网络中进行特征提取,得到第二特征数据;将第一特征数据、第二特征数据及电力系统历史运行数据中的其他连续数据整合在一起,得到预处理数据。4.根据权利要求3所述的负荷预测方法,其特征在于,所述多层LSTM神经网络的计算公式如下:I
t
=f(X
t
W
xi
+H
t
‑1W
hi
+b
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)F
t
=f(X
t
W
xf
+H
t
‑1W
hf
+b
f
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)O
t
=f(X
t
W
xo
+H
t
‑1W
ho
+b
o
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)M
t
=tanh(X
t
W
xm
+H
t
‑1W
hm
+b
m
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)C
t
=F
t
⊙
C
t
‑1+I
t
⊙
M
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)H
t
=O
t
⊙
tanh(C
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中,I
t
【专利技术属性】
技术研发人员:庄舒仪,王明深,杨毅,韩俊,朱剑,杨波,宋亮亮,陈实,庞福滨,郑明忠,
申请(专利权)人:国网江苏省电力有限公司江苏省电力试验研究院有限公司,
类型:发明
国别省市:
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。