一种电力负荷预测方法、装置及介质制造方法及图纸

本发明专利技术公开了一种电力负荷预测方法、装置及介质，所述方法包括：首先对获取原始的电力负荷数据进行预处理；利用InfoGAN方法对电力负荷中缺失的数据进行重构；采用图卷积神经网络算法对电力负荷数据进行特征提取，进而把提取的有效数据构成邻接矩阵；采用随机对立学习策略、饥饿搜索策略和准反向学习策略对DBO算法进行改进，得到IDBO算法；之后把邻接矩阵输入周期性解耦神经网络模型中进行训练，同时利用IDBO算法优化周期性解耦神经网络模型参数，利用训练优化后的周期性解耦神经网络模型对电力负荷进行预测。本发明专利技术能对电力负荷进行准确预测，确保电力系统的稳定、高效运行以及对合理规划未来能源供需起着关键的作用。

【技术实现步骤摘要】

本专利技术属于电力负荷预测技术邻域，具体涉及一种电力负荷预测方法、装置及介质。

技术介绍

1、在电力系统管理中，电力负荷预测起着非常重要的作用。它通过分析历史负荷数据和相关影响因素，预测未来一段时间内的电力需求。这项任务在电力系统的规划、运营和市场交易中扮演着关键的角色。有效的负荷预测能够帮助电力公司做出合理的资源调度、能源采购和设备运行决策，从而保障电网的稳定运行和供电质量。

2、电力负荷预测涵盖了多种方法和模型，其中包括传统的时间序列分析、回归分析，以及现代的机器学习和深度学习技术。

3、首先，时间序列分析是电力负荷预测的基础方法之一。它通过分析负荷数据的历史趋势、周期性和季节性变化，建立数学模型来预测未来负荷。常见的时间序列模型包括自回归移动平均模型(arima)、季节性自回归移动平均模型(sarima)、指数平滑法(ets)等。这些模型能够有效地捕捉负荷数据中的趋势和周期性特征，但对于非线性关系的拟合能力有限。

4、其次，回归分析是另一种常用的负荷预测方法，它基于历史负荷数据和影响因素(如天气、时间、节假日等)的本文档来自技高网...

【技术保护点】

1.一种电力负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种电力负荷预测方法，其特征在于，步骤(1)所述的电力负荷的原始数据包括历史负荷数据、天气数据、节假日信息。

3.根据权利要求1所述的一种电力负荷预测方法，其特征在于，步骤(1)所述的对原始数据进行预处理包括：对数据进行清洗，检测和处理异常值；对电力负荷数据进行插值平滑处理，以去除噪声并使其更容易分析；把处理过的数据分训练集和测试集。

4.根据权利要求1所述的一种电力负荷预测方法，其特征在于，所述步骤(2)实现过程如下：

5.根据权利要求1所述的一种电力负荷预测方...

【技术特征摘要】

1.一种电力负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种电力负荷预测方法，其特征在于，步骤(1)所述的电力负荷的原始数据包括历史负荷数据、天气数据、节假日信息。

3.根据权利要求1所述的一种电力负荷预测方法，其特征在于，步骤(1)所述的对原始数据进行预处理包括：对数据进行清洗，检测和处理异常值；对电力负荷数据进行插值平滑处理，以去除噪声并使其更容易分析；把处理过的数据分训练集和测试集。

4.根据权利要求1所述的一种电力负荷预测方法，其特征在于，所述步骤(2)实现过程如下：<...

【专利技术属性】
技术研发人员：张万锋，王熠炜，郑勇舜，裴家勇，张楚，彭甜，孙娜，纪捷，陈杰，马常纹，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：