【技术实现步骤摘要】
本专利技术涉及能源管理，具体涉及一种基于长短期记忆网络的台区负荷预测方法和系统。
技术介绍
1、目前，随着电力用户负荷特性日益多样化、分布式能源接入比例不断提高，配电网的调度运行面临更高的精细化和智能化要求。台区作为配电网中的基础单元，其负荷变化呈现出明显的时间依赖性和周期性，例如居民用电的早晚高峰、周末与工作日的规律差异等，同时还受到气候、季节以及用能行为变化的影响，导致负荷序列存在强烈的长期依赖关系和显著的非线性特征。
2、现有的负荷预测方法，如自回归滑动平均（arima）和线性回归等，主要依赖于线性假设和短期相关性建模，难以有效捕捉负荷数据中复杂的动态变化和长期依赖规律，预测精度有限，特别是在台区级别上的误差更为显著，难以满足配电网精细化调度和动态优化的需求。
技术实现思路
1、为了解决台区电力负荷数据具有强时间相关性（如居民用电的早晚高峰、周循环），传统负荷预测方法（如arima、线性回归）因无法有效建模长期依赖关系和非线性特征，导致对台区级负荷的预测误差较大，难以支撑...
【技术保护点】
1.一种基于长短期记忆网络的台区负荷预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述根据所述实时负荷数据进行特征提取，得到负荷特征数据，包括：
3.如权利要求2所述的方法，其特征在于，所述对所述模态分离数据进行相空间重构，得到多模态分量矩阵，包括：
4.如权利要求1所述的方法，其特征在于，所述预测模型包括如下的构建过程：
5.如权利要求1所述的方法，其特征在于，所述获取目标台区的实时负荷数据之后，所述根据所述实时负荷数据进行特征提取，得到负荷特征数据之前，还包括：
6.如权利要求1所...
【技术特征摘要】
1.一种基于长短期记忆网络的台区负荷预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述根据所述实时负荷数据进行特征提取，得到负荷特征数据，包括：
3.如权利要求2所述的方法，其特征在于，所述对所述模态分离数据进行相空间重构，得到多模态分量矩阵，包括：
4.如权利要求1所述的方法，其特征在于，所述预测模型包括如下的构建过程：
5.如权利要求1所述的方法，其特征在于，所述获取目标台区的实时负荷数据之后，所述根据所述实时负荷数据进行特征提取，得到负荷特征数据之前，还包括：
【专利技术属性】
技术研发人员：石洵彦，
申请(专利权)人：佳源科技股份有限公司，
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。