[发明专利]一种24小时电力负荷预测方法

摘要

本发明提供了一种24小时电力负荷预测方法，包含数据采集及预处理，通过特征熵权值计算出的有效特征，结合窗口选取法选取固定时间内的24小时用电负荷情况作为DBN网络训练的输入数据，确定DBN网络结构和建立网络模型，通过DBN对网络模型进行训练和测试，输入预测日的特征值数据和窗口法选取的预测日前某几天一天中的24小时用电负荷值，得到预测日的电力负荷值结果，通过2层RBM网络层的预训练对权重进行合理的初始化，再通过BP网络层来调整，不会出现过拟合等缺点，采用特征熵权值法提取对电力负荷有影响的因素并计算其相应的权值，量化各个因素得到对电力负荷的影响的权重，提出了窗口选取法，提高预测精准性，预测效果较现有电力负荷预测模型更好。

主权项

1.一种24小时电力负荷预测方法，其特征在于：包含以下步骤；a、数据采集及预处理；采集电网数据和天气数据，形成原始评价矩阵Mnm，并对原始评价矩阵Mnm进行线性变换归一化处理得到矩阵Snm，并对各个指标的数据按照特征熵权值进行标准化处理，得到对应的权值；b、通过特征熵权值计算出的有效特征，结合窗口选取法选取固定时间内的24小时用电负荷情况作为DBN网络训练的输入数据；c、根据电力负荷数据特征和分布信息，设置RBM层数为2，每层神经元个数为180，建立DBN网络模型；d、对DBN网络模型进行训练和测试；e、输入预测日的特征值数据和窗口法选取的预测日前某几天一天中的24小时用电负荷值到训练好的网络模型中，利用训练好的网络模型对所需预测的电力负荷值进行预测，得到预测日的电力负荷值结果。