本發明涉及一種基于神經網絡進行電力負荷預測的方法,包括:搜集待處理年尺度數據與月尺度數據并進行相關性檢驗,確立年尺度數據,月尺度數據中的關鍵影響因素;分別關鍵影響因素及對應的年度電力最大負荷數據和對應的月度電力最大負荷數據,進行季節分解,得到相應的年數據趨勢分量、年數據殘差分量和年數據周期分量和相應的月數據趨勢分量、月數據殘差分量和月數據周期分量;然后分別進行協整檢驗和降維處理,得到LSTM模型的相應分量;將各分量輸入LSTM模型中,得到個分量的預測分量;根據預測分量,采用LSTM循環神經網絡的自學習能力將其進行擬合,得出電力負荷預測值。
聲明:
“基于MSTL和LSTM模型的中長期電力負荷預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)