【技术实现步骤摘要】
本专利技术申请属于代理购电电量预测校核，具体涉及一种基于误差修正的代理购电电量预测校核方法及系统。
技术介绍
1、传统的用电量预测方法通常分为数学统计法和基于机器学习的方法。经典的数学统计法包括多元线性回归法、自回归移动模型法和指数平滑法等。由于用电量序列的随机性和非线性较强，而基于机器学习的人工智能算法学习能力强，如支持向量机(supportvector machine，svm)、长短期记忆神经网络(long short-term memory，lstm)和随机森林(random forest，rf)等在处理非线性数据上具有明显优势。然而，采用单一神经网络所得预测结果的精度仍需提高。
2、jiandong duan等人对核极限学习机进行优化，并提出了一种新的kelm-gmcc预测模型，对用电量进行了预测，平均绝对百分比误差为1.46％；feng gao等人采用时差相关分析、协整检验和格兰杰因果检验来研究在线搜索数据与居民用电量的关系。选择合格的搜索关键字作为预测因子，并提出了一种提出一种利用jaya算法优化的机器学习模型，...
【技术保护点】
1.一种基于误差修正的代理购电电量预测校核方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述基于代理购电用户的用电量历史序列，以及基于所述用电量历史序列对应的预测值，利用支持向量回归法得到预测残差值，包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述用电量历史序列对应的预测值与其对应时刻的实际值，利用支持向量回归法得到预测残差值，包括：
4.如权利要求2所述的方法，其特征在于，所述长短期记忆神经网络的训练过程包括：
5.如权利要求2所述的方法，其特征在于，所述将各子模态分量输入至预先训练好的...
【技术特征摘要】
1.一种基于误差修正的代理购电电量预测校核方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述基于代理购电用户的用电量历史序列，以及基于所述用电量历史序列对应的预测值，利用支持向量回归法得到预测残差值，包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述用电量历史序列对应的预测值与其对应时刻的实际值，利用支持向量回归法得到预测残差值，包括：
4.如权利要求2所述的方法，其特征在于，所述长短期记忆神经网络的训练过程包括：
5.如权利要求2所述的方法，其特征在于，所述将各子模态分量输入至预先训练好的长短期记忆神经网络之前，还包括：对所述各子模态分量进行归一化处理；
6.如权利要求5所述的方法，其特征在于，所述对所述子模态分量进行归一化处理的具体方法为：
7.如权利要求2所...
【专利技术属性】
技术研发人员：周颖，邱敏，赵伟博，武亚杰，陈宋宋，白雪峰，王永利，李熠，丁一，王恩，张嘉埔，
申请(专利权)人：中国电力科学研究院有限公司，
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。