[发明专利]基于数据增强策略和残差自修正学习模型的负荷预测方法

摘要

本发明涉及基于数据增强策略和残差自修正学习模型的负荷预测方法，属于负荷预测技术领域，考虑到用户用电结构日趋复杂等，提出一种两阶段数据增强方法，建立以张量核范数为约束的低秩张量补全模型；并通过构建稳定性更强的生成对抗网络模型，识别少数类样本之间的分布特性，根据其分布特性模拟生成新样本以实现类别平衡。考虑用户用电行为波动性及不确定性增加对负荷预测精度要求的提升，提出一种基于残差自修正集成负荷预测方法。通过构建适用于时序数据的负荷预测模型和残差预测模型，并建立一种结合负荷预测和残差预测的残差自修正集成模型，将各个预测结果收集并进行组合决策，得到最终的预测结果，以提升负荷预测精度。