[发明专利]一种基于多模融合的配电网短期负荷预测方法

摘要

本发明公开一种基于多模融合的配电网短期负荷预测方法，主要步骤为：1)采集电力网络历史负荷时序数据X。2)对历史负荷时序数据X进行STL时间序列分解。3)得到趋势项序列Xtrend具有N种结构的LSTM神经网络模型、剩余项序列Xremainder具有N种结构的LSTM神经网络模型以及集成预测模型。4)得到周期项预测结果Os。5)获取预测样本。6)将预测样本输入到预测模型中，从而得到趋势项预测结果Ot和剩余项预测结果Or。7)整合周期项预测结果Os、趋势项预测结果Ot和剩余项预测结果Or，并利用集成预测，得到最终的预测结果本发明有助于提高模型的预测精度同时提高负荷预测模型的鲁棒性和泛化能力。

主权项

1.一种基于多模融合的配电网短期负荷预测方法，其特征在于，主要包括以下步骤：1)采集所述电力网络历史负荷时序数据X，并提取数据特征；2)对历史负荷时序数据X进行STL时间序列分解，得到趋势项序列Xtrend、周期项序列Xseasonal和剩余项序列Xremainder；3)利用LSTM‑Ensemble法对趋势项序列Xtrend和剩余项序列Xremainder建模，从而得到趋势项序列Xtrend对应的具有N种结构的LSTM神经网络模型Trend{LSTM1,LSTM2,…,LSTMN}、剩余项序列Xremainder对应的具有N种结构的LSTM神经网络模型Remainder{LSTM1,LSTM2,…,LSTMN}和集成预测模型；4)根据周期项序列Xseasonal的周期趋势得到周期项预测结果Os；5)获取预测样本；6)将预测样本输入到趋势项预测模型Trend{LSTM1,LSTM2,…,LSTMN}和剩余项预测模型Remainder{LSTM1,LSTM2,…,LSTMN}中，从而得到趋势项预测结果Ot和剩余项预测结果Or。7)整合周期项预测结果O_s、趋势项预测结果O_t和剩余项预测结果O_r，并利用集成预测，得到最终的预测结果