一种负荷预测方法及系统技术方案

本发明专利技术公开了一种负荷预测方法，包括：获取原始负荷序列，利用第一模态分解对原始负荷序列进行分解，得到模态分量，通过样本熵聚合对模态分量进行负荷重构，得到重构后的负荷序列；利用第二模态分解对模态分量中的高频分量进行一次分解，确定分解模态个数和惩罚因子，运用第三模态分解对重构后的负荷序列中的高频分量进行二次分解，得到模态子序列；根据模态子序列筛选得到输入特征，利用最大互信息法对重构后的负荷序列和输入特征的相关性进行分析，得到混合深度学习预测模型的输入特征；获取实测负荷数据，将实测负荷数据输入混合深度学习预测模型，得到预测结果，能够较好地预测电力负荷，并且预测结果具有较高的稳定性。

【技术实现步骤摘要】

本专利技术涉及负荷预测，具体为一种负荷预测方法及系统。

技术介绍

1、在当今快速发展的社会中，能源的角色变得越来越重要，它不仅是经济发展的基础，也是现代社会运转的驱动力。随着工业化、城市化的加速以及人口的增长，全球能源需求呈现出持续增长的趋势。然而，与此同时，传统的能源资源如煤炭、石油和天然气等面临着枯竭的风险，这不仅导致了能源价格的波动，也对环境造成了严重的影响。因此，如何高效、合理地管理和使用能源，成为了一个亟待解决的问题。在能源管理中，负荷预测是一个关键环节，准确的负荷预测能够帮助电力公司优化发电计划，减少能源浪费，提高电网的运行效率和可靠性，同时也有助于降低运营成本和避免供电不足或过剩的情况。然而，传统的负荷预测方法，如时间序列分析、回归分析等，往往依赖于简化的假设和线性模型，难以捕捉负荷数据的复杂性和非线性特征，此外，这些方法在处理大量数据和多变量时也显得力不从心。

2、为了克服这些局限性，近年来，数据分解、特征筛选和深度学习等先进技术被引入到负荷预测领域。深度学习模型，如卷积神经网络(cnn)、循环神经网络(rnn)和长短期记忆网络本文档来自技高网...

【技术保护点】

1.一种负荷预测方法，其特征在于，包括：

2.如权利要求1所述负荷预测方法，其特征在于，利用第一模态分解对所述原始负荷序列进行分解包括：

3.如权利要求2所述负荷预测方法，其特征在于，通过样本熵聚合对模态分量进行负荷重构包括：

4.如权利要求3所述负荷预测方法，其特征在于，利用第二模态分解对所述模态分量中的高频分量进行一次分解包括：

5.如权利要求4所述负荷预测方法，其特征在于，运用第三模态分解对重构后的负荷序列中的高频分量进行二次分解包括：

6.如权利要求5所述负荷预测方法，其特征在于，利用最大互信息法对重构后的负荷序列和输入...

【技术特征摘要】

1.一种负荷预测方法，其特征在于，包括：

2.如权利要求1所述负荷预测方法，其特征在于，利用第一模态分解对所述原始负荷序列进行分解包括：

3.如权利要求2所述负荷预测方法，其特征在于，通过样本熵聚合对模态分量进行负荷重构包括：

4.如权利要求3所述负荷预测方法，其特征在于，利用第二模态分解对所述模态分量中的高频分量进行一次分解包括：

5.如权利要求4所述负荷预测方法，其特征在于，运用第三模态分解对重构后的负荷序列中的高频分量进行二次分解包...

【专利技术属性】
技术研发人员：郝树青，蔡永翔，郑友卓，王卓月，吴鹏，张洋，李前敏，王悦婧，张恒荣，宋子宏，李跃，刘安茳，苗宇，付宇，王扬，李新皓，陈启升，熊楠，窦陈，潘富祥，张健华，席昌文，何肖蒙，陈宇，班诗雪，何心怡，何光禄，张松，何明君，樊科，杨子健，徐向，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：