CN114548586B - 一种基于混合模型的短期电力负荷预测方法及系统 - Google Patents
一种基于混合模型的短期电力负荷预测方法及系统Info
- Publication number
- CN114548586B CN114548586B CN202210195940.5A CN202210195940A CN114548586B CN 114548586 B CN114548586 B CN 114548586B CN 202210195940 A CN202210195940 A CN 202210195940A CN 114548586 B CN114548586 B CN 114548586B
- Authority
- CN
- China
- Prior art keywords
- model
- power load
- prediction
- frequency component
- prediction model
- Prior art date
Links
- 238000000034 method Methods 0.000 title abstract 2
- 238000000354 decomposition reaction Methods 0.000 abstract 1
Abstract
本发明公开了一种基于混合模型的短期电力负荷预测方法及系统。本发明通过LSTM预测模型提取高频分量子序列的时序特征，配合CATBOOST预测模型和第一ELM预测模型组成的ELM‑CATBOOST混合预测模型对短期电力负荷进行预测，利用CEEMDAN分解算法把原始电力负荷数据分解成若干个固有模态函数分量，降低了模型预测难度，提高了预测准确度；另外，利用LSTM预测模型提取高频分量子序列的时序特征，结合高频分量子序列的历史电力负荷数据和原始电力负荷数据共同作为ELM‑CATBOOST混合预测模型的输入特征极大的丰富了输入特征维度信息，通过使用ELM‑CATBOOST混合预测模型集成了单一模型优势，拥有更高的鲁棒性和准确性，针对高、低频分量子序列采取不同的输入特征和预测模型能够降低模型复杂度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210195940.5A CN114548586B (zh) | 2022-03-01 | 一种基于混合模型的短期电力负荷预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210195940.5A CN114548586B (zh) | 2022-03-01 | 一种基于混合模型的短期电力负荷预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114548586A CN114548586A (zh) | 2022-05-27 |
| CN114548586B true CN114548586B (zh) | 2024-09-27 |
Family
ID=
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110751318A (zh) * | 2019-09-26 | 2020-02-04 | 上海电力大学 | 一种基于ipso-lstm的超短期电力负荷预测方法 |
| AU2020104000A4 (en) * | 2020-12-10 | 2021-02-18 | Guangxi University | Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model |
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110751318A (zh) * | 2019-09-26 | 2020-02-04 | 上海电力大学 | 一种基于ipso-lstm的超短期电力负荷预测方法 |
| AU2020104000A4 (en) * | 2020-12-10 | 2021-02-18 | Guangxi University | Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gysel et al. | Ristretto: A framework for empirical study of resource-efficient inference in convolutional neural networks | |
| CN102934159B (zh) | 语音音频处理 | |
| CN104574192A (zh) | 在多个社交网络中识别同一用户的方法及装置 | |
| US11694099B2 (en) | Data processing method and data processing system | |
| CN114039607A (zh) | 一种多字符的有限熵编码方法、装置、设备及可读介质 | |
| WO2020207082A1 (zh) | 神经网络模型的优化处理方法及装置 | |
| EP3972186A1 (en) | Homomorphic encryption for machine learning and neural networks using high-throughput crt evaluation | |
| CN116564270A (zh) | 基于去噪扩散概率模型的歌唱合成方法、设备及介质 | |
| CN116701574A (zh) | 文本语义相似度计算方法、装置、设备及存储介质 | |
| CN112541542B (zh) | 多分类样本数据的处理方法、装置及计算机可读存储介质 | |
| CN114548586B (zh) | 一种基于混合模型的短期电力负荷预测方法及系统 | |
| CN112052916B (zh) | 基于神经网络的数据处理方法、装置以及可读存储介质 | |
| CN106228976A (zh) | 语音识别方法和装置 | |
| Yeh et al. | Efficient speech representation learning with low-bit quantization | |
| CN117312564A (zh) | 文本分类方法、分类装置、电子设备和存储介质 | |
| CN117151093A (zh) | 文本段落召回方法、装置、设备和存储介质 | |
| CN101695000B (zh) | 基于高斯混合模型的分裂矢量量化编解码方法及其装置 | |
| CN113038134A (zh) | 一种图片处理方法、智能终端及存储介质 | |
| CN116564322A (zh) | 语音转换方法、装置、设备及存储介质 | |
| CN116645956A (zh) | 语音合成方法、语音合成系统、电子设备及存储介质 | |
| WO2016091037A1 (zh) | 一种技术指标实例生成方法及装置 | |
| CN115879455A (zh) | 词语情感极性预测方法及其装置、电子设备及存储介质 | |
| US20230144098A1 (en) | Frequency domain neural networks for data-driven simulations | |
| CN114822509A (zh) | 语音识别方法、装置、计算机设备及存储介质 | |
| CN114490969A (zh) | 基于表格的问答方法、装置以及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |