【技术实现步骤摘要】
本专利技术属于用电负荷预测，尤其涉及一种基于安全约束的负荷预测方法与系统。
技术介绍
1、关于用电负荷预测技术，现有的方案提供了以下解决方式：在专利cn116090612a中，使用了prophet模型进行峰值负荷预测，虽然能自适应调整模型参数，但单独的prophet模型表达能力简单，对误差项处理能力较弱，智能描述大致的预测趋势。在专利cn116227708a中，使用了prophet-lstm对电动汽车充电负荷预测，区分低频和高频序列分类预测，但合并过程较为简单。在专利cn112329990a中，使用lstm-bp神经网络进行用电负荷预测，能够提高运算与工作效率，但bp神经网络容易陷入局部最小值，无法找到最优的网络参数，lstm可以建模的序列长度有限，同时没有考虑多种外在因素的影响效果。
技术实现思路
1、为解决上述技术问题，本专利技术提出一种基于安全约束的负荷预测方案。
2、本专利技术第一方面提出一种基于安全约束的负荷预测方法。所述方法包括：
3、步骤s1、获取历史...
【技术保护点】
1.一种基于安全约束的负荷预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于安全约束的负荷预测方法，其特征在于，在所述步骤S1中，所述历史用电数据A为经过预处理的数据，所述预处理包括缺失值填充、异常值剔除、格式统一化和数值归一化；训练所述LSTM模型具体包括：
3.根据权利要求1所述的一种基于安全约束的负荷预测方法，其特征在于，在所述步骤S1中，所述历史用电数据A为经过预处理的数据，所述预处理包括缺失值填充、异常值剔除、格式统一化和数值归一化；训练所述Prophet模型具体包括：
4.根据权利要求2-3任一项所述...
【技术特征摘要】
1.一种基于安全约束的负荷预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于安全约束的负荷预测方法，其特征在于，在所述步骤s1中，所述历史用电数据a为经过预处理的数据，所述预处理包括缺失值填充、异常值剔除、格式统一化和数值归一化；训练所述lstm模型具体包括：
3.根据权利要求1所述的一种基于安全约束的负荷预测方法，其特征在于，在所述步骤s1中，所述历史用电数据a为经过预处理的数据，所述预处理包括缺失值填充、异常值剔除、格式统一化和数值归一化；训练所述prophet模型具体包括：
4.根据权利要求2-3任一项所述的一种基于安全约束的负荷预测方法，其特征在于，在所述步骤s2中，所述训练好的lstm模型基于所述历史用电数据a生成所述用电数据a1，具体包括：
5.根据权利要求2-3任一项所述的一种基于安全约束的负荷预测方法，其特征在于，在所述步骤s3中，所述训练好的prophet模型基于所述历史用电数据a生成所述用电数据a2，具体包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：林荣恒，王振浩，赵昕，李秋爽，陈硕，刘知凡，厉艳，白颖，
申请(专利权)人：北京邮电大学，
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。