【技术实现步骤摘要】
本专利技术涉及电力负荷预测，尤其涉及一种电力负荷预测方法、系统、介质、设备及产品。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、当前主要通过获取电力负荷预测相关数据，并利用相关数据对构建的电力负荷预测模型进行训练优化，获得的训练后的电力负荷预测模型，用于对电力负荷进行预测；由于各相关数据与电力负荷预测结果的相关性不同，导致利用所有相关数据训练出的电力负荷预测模型并不具备最优的性能，且导致模型运算量较大，模型的预测效率较低。
3、相关技术中，存在利用计算各相关数据与其对应的负荷预测结果之间的相关性，从相关数据中选取最相关的几种数据用于电力负荷预测模型的训练优化，从而提升电力负荷预测模型的预测精度和预测效率。
4、但是，相关技术中对相关数据进行筛选时，仅考虑了各相关数据与其对应的负荷预测结果之间的相关性，并没有考虑各相关数据之间的冗余性，导致最终训练出的电力负荷预测模型的预测精度和预测效率不能达到最优。
技术实现思路<...
【技术保护点】
1.一种电力负荷预测方法，其特征在于，包括：
2.如权利要求1所述的一种电力负荷预测方法，其特征在于，利用遗传算法从所有数据特征中选取最优数据特征，其中，遗传算法的初始种群中包含随机选取多个数据特征形成的多个候选特征子集。
3.如权利要求2所述的一种电力负荷预测方法，其特征在于，通过遗传算法从所有数据特征中，选取最优数据特征的过程为：
4.如权利要求3所述的一种电力负荷预测方法，其特征在于，终止条件为迭代次数达到设定的最大迭代次数，或适应度达到预设适应度值。
5.如权利要求1所述的一种电力负荷预测方法，其特征在于，获取的...
【技术特征摘要】
1.一种电力负荷预测方法，其特征在于，包括：
2.如权利要求1所述的一种电力负荷预测方法，其特征在于，利用遗传算法从所有数据特征中选取最优数据特征，其中，遗传算法的初始种群中包含随机选取多个数据特征形成的多个候选特征子集。
3.如权利要求2所述的一种电力负荷预测方法，其特征在于，通过遗传算法从所有数据特征中，选取最优数据特征的过程为：
4.如权利要求3所述的一种电力负荷预测方法，其特征在于，终止条件为迭代次数达到设定的最大迭代次数，或适应度达到预设适应度值。
5.如权利要求1所述的一种电力负荷预测方法，其特征在于，获取的多种电力负荷预测所需的数据特征，包括星期特征、月份特征、时刻特征、历史负荷特征、温度特征、历史温度特征、历史负荷的一阶导...
【专利技术属性】
技术研发人员：岳雅晴，王为帅，李萌，张海静，石雨帆，张雪梅，许帅，江源，
申请(专利权)人：国网山东省电力公司营销服务中心计量中心，
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。