【技术实现步骤摘要】
本专利技术属于信息，具体涉及一种基于混合专家模型的超短期负荷预测方法和系统。
技术介绍
1、负荷的变化与历史负荷密切相关，受负荷构成、负荷时段、气象因素、政策、突发事件等多种因素影响，现有技术采用统计学、机器学习和深度学习等方法分析多种影响因素实现负荷预测。
2、超短期负荷预测是对未来很短时间范围内，通常是几分钟到几小时的负荷进行预测，具有高时效性、高精度、在线适应性等特点。高时效性是由于预测的时间跨度短，超短期负荷预测需要快速响应负荷的实时变化，对预测模型的实时数据处理能力和快速预测速度提出了极高要求。高精度是由于超短期负荷波动受多种因素影响，如天气突变、特殊事件、用户行为模式等，要求预测模型能够准确捕捉这些细微且快速的变化，因此对预测精度有着极为严格的要求。在线适应性是由于负荷随时间和外部条件变化表现出显著的动态性和非平稳性，预测模型需要具备在线学习与适应能力，在持续接收到最新负荷数据后快速、准确地更新模型，调整模型参数和结构，在短时间内给出最新的推断结果
3、现有方法考虑多种影响因素构建的模型规模大、复杂，...
【技术保护点】
1.一种基于混合专家模型的超短期负荷预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，构建所述时间效应专家子模型的步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述根据负荷的日期特征将负荷进行分类，是将负荷分成工作日负荷、双休日负荷、元旦负荷、春节负荷、清明节负荷、劳动节负荷、端午节负荷、中秋节负荷和国庆节负荷共计9种负荷类别。
4.根据权利要求3所述的方法，其特征在于，针对工作日负荷和双休日负荷，采用Transformer模型构建时间效应专家子模型；针对元旦负荷，采用KRLS模型构建时间效应专...
【技术特征摘要】
1.一种基于混合专家模型的超短期负荷预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，构建所述时间效应专家子模型的步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述根据负荷的日期特征将负荷进行分类，是将负荷分成工作日负荷、双休日负荷、元旦负荷、春节负荷、清明节负荷、劳动节负荷、端午节负荷、中秋节负荷和国庆节负荷共计9种负荷类别。
4.根据权利要求3所述的方法，其特征在于，针对工作日负荷和双休日负荷，采用transformer模型构建时间效应专家子模型；针对元旦负荷，采用krls模型构建时间效应专家子模型；针对春节负荷，采用svr模型构建时间效应专家子模型；针对清明节负荷，采用krls模型构建时间效应专家子模型；针对劳动节负荷，采用svr模型构建时间效应专家子模型；针对端午节负荷和中秋节负荷，采用krls模型构建时间效应专家子模型；针对国庆节负荷，...
【专利技术属性】
技术研发人员：陶蕾，刘帆，谢琳，李立新，陈斌，叶瑞丽，朱蔚林，李泽科，蔡宇，冯琼，范海威，张周杰，丁凌龙，
申请(专利权)人：中国科学院信息工程研究所，
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。