【技术实现步骤摘要】
本专利技术涉及电力系统短期负荷预测，尤其涉及一种可解释短期负荷预测方法、系统、设备及存储介质。
技术介绍
1、短期负荷预测在电力系统的运行、规划和管理中扮演着至关重要的角色。准确的短期负荷预测能够帮助电力企业合理安排发电计划、优化电网调度、降低运营成本，同时提高电力供应的可靠性和稳定性。随着电力市场的不断发展和电力需求的日益增长，对短期负荷预测的精度和可解释性提出了更高的要求。
2、现有短期负荷预测方法主要分为传统统计方法和人工智能方法；传统统计方法，如多元线性回归、滑动平均自回归、指数平滑及时间序列分析等，由于其对数据需求较低、建模过程相对简便，在早期的负荷预测中得到了广泛应用。然而，这些方法在处理具有高波动、高随机性的负荷序列时，其预测性能往往受到限制，难以准确捕捉负荷变化的复杂规律；随着人工智能技术的快速发展，机器学习方法逐渐成为负荷预测的主流。常见的模型包括支持向量机(svm)、长短期记忆神经网络(lstm)、卷积神经网络(cnn)、随机森林(rf)等。这些模型具有较强的非线性拟合能力，能够更好地处理复杂的负荷数据。...
【技术保护点】
1.一种可解释短期负荷预测方法，其特征在于，包括：
2.如权利要求1所述的一种可解释短期负荷预测方法，其特征在于，所述采集负荷及空间气象数据，构建初始数据集包括：
3.如权利要求2所述的一种可解释短期负荷预测方法，其特征在于，所述基于初始数据集，采用嵌入法筛选输入特征，基于筛选出的输入特征构建特征数据集包括：
4.如权利要求3所述的一种可解释短期负荷预测方法，其特征在于，所述基于特征数据集构建短期负荷预测模型，进行短期负荷预测并对短期负荷预测的结果进行可解释性分析包括：
5.如权利要求4所述的一种可解释短期负荷预测方法，...
【技术特征摘要】
1.一种可解释短期负荷预测方法，其特征在于，包括：
2.如权利要求1所述的一种可解释短期负荷预测方法，其特征在于，所述采集负荷及空间气象数据，构建初始数据集包括：
3.如权利要求2所述的一种可解释短期负荷预测方法，其特征在于，所述基于初始数据集，采用嵌入法筛选输入特征，基于筛选出的输入特征构建特征数据集包括：
4.如权利要求3所述的一种可解释短期负荷预测方法，其特征在于，所述基于特征数据集构建短期负荷预测模型，进行短期负荷预测并对短期负荷预测的结果进行可解释性分析包括：
5.如权利要求4所述的一种可解释短期负荷预测方法，其特征在于，所述基于特征数据集构建短期负荷预测模型，进行短期负荷预测并对短期负荷预测的结果...
【专利技术属性】
技术研发人员：王榆楗，王融融，苏华英，邓佳莉，张俨，王宁，陶用伟，贺先强，唐建兴，黄晓旭，王寅，冯金铃，顾业锐，董武，周贤，王国松，赵本源，
申请(专利权)人：贵州电网有限责任公司，
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。