【技术实现步骤摘要】
本专利技术涉及电力系统，尤其涉及一种基于自回归分布滞后的电热负荷预测方法和装置。
技术介绍
1、冬天，大量电采暖设备接入配电网，对电网安全稳定运行带来挑战。尤其是电采暖设备负荷既具有一定随机性，且与外界环境如天气状况等存在强相关，因此，如何准确预测电采暖负荷曲线，对电网安全、稳定、高效运行具有积极意义。
2、现有的负荷预测方法，一般是将负荷数据作为时间序列数据，采用基于深度学习方法，如长短期记忆网络(long short term memory,lstm)等，利用负荷的历史数据训练模型，再根据训练得到的模型进行预测。现有负荷预测方法存在以下问题：1)模型可解释性缺乏。lstm等基于深度学习的方法，本质上是一个“黑箱”问题，缺乏可解释性，无法根据预测结果对负荷的长期趋势和影响因素等进行分析。2)可能存在过拟合问题。lstm等基于深度学习的方法，对数据集要求较高，当数据集规模较小时，可能导致模型过拟合，使得模型在训练数据上表现良好，而预测时则表现较差，缺乏泛化性。而一般深度学习领域用来解决小数据集泛化较差的方法，如交叉验证等，由...
【技术保护点】
1.一种基于自回归分布滞后的电热负荷预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述电热负荷历史数据序列和所述天气历史数据序列分别进行平稳序列处理，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述电热负荷历史时间序列和所述天气历史时间序列，构建基于自回归分布滞后ARDL的电热负荷预测模型，具体包括：
4.根据权利要求1所述的方法，其特征在于，所述利用赤池信息准则AIC和贝叶斯信息准则BIC，确定所述电热负荷预测模型中的滞后阶数，得到已估计的所述电热负荷预测模型，具体包括：<...
【技术特征摘要】
1.一种基于自回归分布滞后的电热负荷预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述电热负荷历史数据序列和所述天气历史数据序列分别进行平稳序列处理，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述电热负荷历史时间序列和所述天气历史时间序列，构建基于自回归分布滞后ardl的电热负荷预测模型，具体包括：
4.根据权利要求1所述的方法，其特征在于，所述利用赤池信息准则aic和贝叶斯信息准则bic，确定所述电热负荷预测模型中的滞后阶数，得到已估计的所述电热负荷预测模型，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述将天气未来数据序列输入所述已估计的电热负荷预测模型，得到电热负荷未来数据预测序列，具体包括：
6.根...
【专利技术属性】
技术研发人员：王绍琨，纪斌，宁爱华，王磊，贾凯，张肖宇，贾晓瑞，黄鹏，王宇田，徐玥，尹璐，何珂，李博，李路遥，
申请(专利权)人：国网北京市电力公司，
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。