一种基于多模型融合的短期电力负荷预测方法及装置制造方法及图纸

本发明专利技术公开一种基于多模型融合的短期电力负荷预测方法及装置。所述方法包括：分别采集电力负荷数据和气象数据，得到原始训练数据；构建分层预测大模型，所述分层预测大模型包括依次连接的第一层、第二层和第三层，且第一层的输入端与第二层的输入端连接，第一层的输出端与第三层的输入端连接；每个层中包括至少一个子模型；基于所述原始训练数据训练并优化所述分层预测大模型中各个层的参数；实时采集电力负荷数据和气象数据输入训练好的分层预测大模型预测短期电力负荷。本发明专利技术通过构建分层预测大模型，将实时数据、以及分层预测大模型各个层中每个子模型的预测结果进行融合，提升预测结果的准确性和稳定性。

【技术实现步骤摘要】

本专利技术涉及电力负荷预测，具体涉及一种基于多模型融合的短期电力负荷预测方法、装置、电子设备及计算机可读存储介质。

技术介绍

1、电力负荷预测在电力系统中具有以下几点重要作用：

2、第一、可以优化资源配置和发电计划，比如：通过预测未来电力需求，电力系统可以提前制定发电计划，合理安排电网运行方式和机组检修计划，从而节约煤炭和石油等资源，同时降低发电成本和运营成本，优化资源配置，并可进一步制定合理的电源建设规划。

3、第二、可以保障电力系统的安全和经济运行：负荷预测的准确性和稳定性对于电力系统的安全和经济运行至关重要。它有助于避免电力供应不足或过剩，确保电力系统稳定运行，减少停电风险，以及提高电力系统的经济效益和社会效益。

4、第三、为售电公司的决策提供依据：在现货市场中，签约策略、交易策略等都依赖于负荷预测的结果。没有准确的负荷预测，售电公司无法在现货市场进行报价，这可能导致高额的偏差费用。

5、总之，电力负荷预测对于电力系统的稳定运行、资源优化和经济效益至关重要。

6、现有电力负荷预测的方法主要有本文档来自技高网...

【技术保护点】

1.一种基于多模型融合的短期电力负荷预测方法，其特征在于，包括：

2.根据权利要求1所述的基于多模型融合的短期电力负荷预测方法，其特征在于，所述第一层包括并联的多个第一子模型，所述第二层包括并联的多个第二子模型，所述第三层包括第三子模型。

3.根据权利要求2所述的基于多模型融合的短期电力负荷预测方法，其特征在于，所述第一子模型的类型各不相同，且至少包含KAN神经网络模型，以及选自自然梯度提升机NGBoost、多头量子自注意力神经网络预测模型MQSAPN、正则化贪心森林RGF、SLOTH模型、iTransformer模型中的至少一种模型；所述第二子模型的类型各不相同...

【技术特征摘要】

1.一种基于多模型融合的短期电力负荷预测方法，其特征在于，包括：

2.根据权利要求1所述的基于多模型融合的短期电力负荷预测方法，其特征在于，所述第一层包括并联的多个第一子模型，所述第二层包括并联的多个第二子模型，所述第三层包括第三子模型。

3.根据权利要求2所述的基于多模型融合的短期电力负荷预测方法，其特征在于，所述第一子模型的类型各不相同，且至少包含kan神经网络模型，以及选自自然梯度提升机ngboost、多头量子自注意力神经网络预测模型mqsapn、正则化贪心森林rgf、sloth模型、itransformer模型中的至少一种模型；所述第二子模型的类型各不相同，且选自随机森林模型rf和轻梯度提升机lightgbm中的至少两种；所述第三子模型为偏最小二乘回归模型plsr。

4.根据权利要求1所述的基于多模型融合的短期电力...

【专利技术属性】
技术研发人员：杨帆，刘艳丽，张艳，蔡昕原，牛泽文，
申请(专利权)人：陕西思极科技有限公司，
类型：发明
国别省市：