基于小波变换与多任务学习深度融合的电力负荷预测方法技术

本发明专利技术涉及一种基于小波变换与多任务学习深度融合的电力负荷预测方法，包括以下步骤：S1、获取M天的历史电力负荷数据及需要考虑的对电力负荷产生影响的影响因素特征；S2、构建离散小波变换模型；S3、形成适用于多任务学习神经网络模型训练的特征数据库与预测标签；S4、构建基于硬共享机制的多任务学习负荷分量预测模型；S5、构建全连接神经网络预测模型，得到最终的电力负荷预测结果。本发明专利技术能够充分考虑不同频率分量特征的相关性，使神经网络充分拟合分量变化趋势，从而提升负荷分量预测精度。

【技术实现步骤摘要】

本专利技术属于电力负荷预测，涉及一种电力负荷预测方法，尤其是一种基于小波变换与多任务学习深度融合的电力负荷预测方法。

技术介绍

1、随着化石能源价格的攀升以及其带来的环境问题，使得全球开始大力开发太阳能和风能等洁净能源，从而导致电力来源越来越多样化。此外，清洁能源受自然因素影响较大，波动性、间歇性较强，新能源汽车、分布式电源等随机性因素大量融入负荷侧，现代电力系统表现出发电与用电的双重不确定。

2、电能具有无法大量存储的特点，且电能的生产、输送、分配和使用具有同时性，即发电设备发电与用户消费完全同步，当供大于需时会造成大量的资源浪费，而供小于需时会导致电力用户的巨大经济损失。因此，电力系统要实现经济稳定运行，必须满足供需之间的动态平衡。近些年，电力行业大力发展智能电网和虚拟电厂以参与需求侧响应、接受电网调度指令，为电网提供辅助服务，而高精度的电力负荷预测能够为智能电网和虚拟电厂的优化协调运行等功能的实现提供有力的策略支撑，对提高清洁能源利用率、维持电力系统经济稳定运行具有重要意义。

3、随着电力物联网的大力推进与数据采集系统的不断完本文档来自技高网...

【技术保护点】

1.一种基于小波变换与多任务学习深度融合的电力负荷预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于小波变换与多任务学习深度融合的电力负荷预测方法，其特征在于：所述步骤S1中需要考虑的对电力负荷产生影响的影响因素特征包括：气象影响因素特征和社会影响因素特征；

3.根据权利要求1所述的一种基于小波变换与多任务学习深度融合的电力负荷预测方法，其特征在于：所述步骤S1中的对数据进行预处理的方法包括数据清洗、异常值处理、数据归一化。

4.根据权利要求1所述的一种基于小波变换与多任务学习深度融合的电力负荷预测方法，其特征在于：所述步骤S3中适...

【技术特征摘要】

1.一种基于小波变换与多任务学习深度融合的电力负荷预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于小波变换与多任务学习深度融合的电力负荷预测方法，其特征在于：所述步骤s1中需要考虑的对电力负荷产生影响的影响因素特征包括：气象影响因素特征和社会影响因素特征；

3.根据权利要求1所述的一种基于小波变换与多任务学习深度融合的电力负荷预测方法，其特征在于：所述步骤s1中的对...

【专利技术属性】
技术研发人员：邓欣宇，黄旭，张军，左鹏，祖国强，
申请(专利权)人：国网天津市电力公司，
类型：发明
国别省市：