【技术实现步骤摘要】
本申请涉及电力负荷预测，尤其涉及一种短期电荷负荷时序预测方法、装置、设备及可读存储介质。
技术介绍
1、短期电力负荷预测是配电网系统重要功能应用，随着电力市场的发展，对负荷预测的实时性、预测结果的精确度提出更高的要求。时间序列是按照时间排序的一组随机变量，它通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果。时间序列数据本质上反映的是某个或者某些随机变量随时间不断变化的趋势，而时间序列预测方法的核心就是从数据中挖掘出这种规律，并利用其对将来的数据做出估计。时间序列短期预测方法，在电力短期负荷预测研究领域有着广泛应用。传统的时间序列预测方法主要是在确定时间序列参数模型的基础上求解出模型参数，并利用求解出的模型完成预测工作，非常依赖参数模型的选择，能否正确选择参数模型在很大程度上决定了预测结果的准确率。
2、相关研究表明，时间序列分析算法只考虑时间变量，需求数据量少，预测速度快；但该模型理论复杂，对原始数据平稳性要求较高，并且未考虑其他不确定性影响因素，最终预测精确度存在较大误差。难以保证电荷负荷预测精度。<
【技术保护点】
1.一种短期电荷负荷时序预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设的负荷序列预测模型的预测过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述依据适应度函数获得所述训练电力负荷历史数据集中的电力负荷序列的适应度值，并依据所述训练电力负荷历史数据集中的电力负荷序列的适应度值确定所述训练电力负荷历史数据集中的满足预设的结束条件的全局最优的电力负荷序列信息，重构各个电力负荷序列的最优预测结果，并最终获得基于全局的最优的电力负荷序列的预测结果，包括：
4.根据权利要求2所述的方法，其特征在于，所...
【技术特征摘要】
1.一种短期电荷负荷时序预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述预设的负荷序列预测模型的预测过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述依据适应度函数获得所述训练电力负荷历史数据集中的电力负荷序列的适应度值，并依据所述训练电力负荷历史数据集中的电力负荷序列的适应度值确定所述训练电力负荷历史数据集中的满足预设的结束条件的全局最优的电力负荷序列信息，重构各个电力负荷序列的最优预测结果，并最终获得基于全局的最优的电力负荷序列的预测结果，包括：
4.根据权利要求2所述的方法，其特征在于，所述预设的负荷序列预测模型的负荷分解模块的隐含层的输入表达式，包括：
5.根据权利要求2所述的方法，其特征在于，所述...
【专利技术属性】
技术研发人员：高艳娜，李欣，梁毅，董红，胡柳君，林紫菡，曾繁宏，高毓群，王超，程志，王志会，黄晶晶，樊冬梅，张晨曦，郭子轩，林立祥，刘巍巍，方明，
申请(专利权)人：广东电网有限责任公司广州供电局，
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。