基于小波變換的Holt-Winters和LSTM組合模型的電力負荷預測方法

基本信息

申請?zhí)?/td> CN202011387066.2 申請日 -
公開（公告）號 CN112488396A 公開（公告）日 2021-03-12
申請公布號 CN112488396A 申請公布日 2021-03-12
分類號 G06F30/27(2020.01)I;G06Q10/04(2012.01)I;G06F17/14(2006.01)I;G06F17/18(2006.01)I;G06Q50/06(2012.01)I;G06N3/04(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 楊首暉;陳傳彬;王良緣;鄭建輝;王雪晶;吳元林;陳靜 申請（專利權(quán)）人 福建電力交易中心有限公司
代理機構(gòu) 福州元創(chuàng)專利商標代理有限公司 代理人 陳明鑫;蔡學俊
地址 350003福建省福州市鼓樓區(qū)五四路257號
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于小波變換的Holt?Winters和LSTM組合模型的電力負荷預測方法，包括以下步驟：步驟S1:獲取電力用戶負荷的實際用能數(shù)據(jù)，并預處理；步驟S2:根據(jù)預處理后的負荷數(shù)據(jù)，采取預設閾值的小波去噪剔除負荷數(shù)據(jù)中的潛在噪聲，并進行離散小波分解；步驟S3:根據(jù)分解后的各層小波系數(shù)作為訓練樣本構(gòu)建并訓練Holt?Winters模型；步驟S4:根據(jù)預處理后的負荷數(shù)據(jù)，采用深度學習框架搭建深度長短時記憶網(wǎng)絡模型；步驟S5：將Holt?Winters模型和深度長短時記憶網(wǎng)絡模型進行組合，并計算各模型在組合模型中的權(quán)重；步驟S6:根據(jù)得到的權(quán)重，對Holt?Winters模型和深度長短時記憶網(wǎng)絡模型輸出進行加權(quán)平均得到最終預測曲線。本發(fā)明有效提高電力負荷預測的可靠性。??