【技术实现步骤摘要】
本专利技术涉及电力负荷预测，特别涉及一种多维分解与智能融合的电力负荷预测方法及相关设备。
技术介绍
1、电力负荷预测作为电力系统规划与运行的核心环节，对于确保电力系统的安全稳定运作以及提升电力资源的利用效率具有至关重要的意义。然而，随着现代电力系统的日趋复杂化和多样化，传统的负荷预测方法在应对海量、高维度和非线性的负荷数据时遭遇重重挑战，其预测精度已难以满足实际需求。因此，当前迫切需要研究和开发更加高效且精确的负荷预测算法。
2、近年来，机器学习和人工智能技术，尤其是支持向量机（svm，support vectormachine）和神经网络等方法，在负荷预测领域的应用日渐广泛，为提升预测精度提供了新的路径。其中，训练后的长短期记忆网络（lstm，long short-term memory）因其出色的时序性和非线性数据拟合能力，已成为负荷预测的主流技术。然而，训练后的长短期记忆网络在实际应用中仍面临预测精度不足和泛化能力差的影响。此外，多数现有方法仅依赖于历史数据进行未来负荷的预测，忽略了实时数据和动态因素的影响，从而限制了...
【技术保护点】
1.一种多维分解与智能融合的电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的多维分解与智能融合的电力负荷预测方法，其特征在于，在所述步骤3之前，还包括：
3.根据权利要求2所述的多维分解与智能融合的电力负荷预测方法，其特征在于，对所述历史电力负荷数据进行时序分解，得到周期负荷分量、非周期负荷分量和天气负荷分量，包括：
4.根据权利要求3所述的多维分解与智能融合的电力负荷预测方法，其特征在于，所述非周期负荷分量总预测结果的表达式为：
5.根据权利要求4所述的多维分解与智能融合的电力负荷预测方法，其特征在于，所...
【技术特征摘要】
1.一种多维分解与智能融合的电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的多维分解与智能融合的电力负荷预测方法，其特征在于，在所述步骤3之前，还包括：
3.根据权利要求2所述的多维分解与智能融合的电力负荷预测方法，其特征在于，对所述历史电力负荷数据进行时序分解，得到周期负荷分量、非周期负荷分量和天气负荷分量，包括：
4.根据权利要求3所述的多维分解与智能融合的电力负荷预测方法，其特征在于，所述非周期负荷分量总预测结果的表达式为：
5.根据权利要求4所述的多维分解与智能融合的电力负荷预测方法，其特征在于，所述周期负荷分量通过傅里叶级数进行模拟，其表达式为：
6.根据权利要求5所述的多维分解与智能融合的电力负荷预测方法，其特征在于，在所述将...
【专利技术属性】
技术研发人员：陈顺飞，汪文红，罗文锋，陈璐，袁啸迪，毛皓醇，汪娟，刘浩，邹伟斌，胡杰强，谭桓桢，
申请(专利权)人：湖南慧明谦数字能源技术有限公司，
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。