[发明专利]一种基于CNN-BiLSTM-AE短期电力负荷预测方法

摘要

本申请涉及一种基于组合深度学习模型的短期负荷预测方法和系统。在本文中，我们开发了一个短期电力负荷预测模型，并利用澳大利亚某地区真实负荷数据集对其进行了评估。首先，对输入数据进行预处理，以删除缺失、冗余和离群值。接下来，我们应用不同的归一化技术来更好地表示输入数据，从而产生一个有效的模型。进一步，我们开发了一种新的模型CNN‑BiLSTM‑AE。该模型对比三个预测模块：CNN，BiLSTM‑AE和FC。首先，使用两个CNN层从数据集中的几个变量中提取信息，然后将信息输入BiLSTM‑AE，BiLSTM将序列转换为一个编码的特征向量，然后通过另一个BiLSTM解码。编码的特征向量层复制这些编码的序列，最后使用密集层进行输出预测。在不同的性能指标方面均优于其他最先进的用电量预测模型。结果表明，本文提出的模型在MAPE和RMSE指标上都有较大优势，具有更高的预测精度，能更精确地为电力系统提供服务。