- 专利标题: 一种基于CNN-LSTM和lightGBM动态加权融合模型用于短期负荷实际预测的方法
-
申请号: CN202311406549.6申请日: 2023-10-27
-
公开(公告)号: CN117474151A公开(公告)日: 2024-01-30
- 发明人: 夏勇军 , 陈莉娟 , 徐文 , 阮羚 , 吴颖波 , 施志勇 , 赵立华 , 卫婧怡
- 申请人: 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
- 申请人地址: 湖北省武汉市武昌区中北路236号湖北华中电力科技大厦
- 专利权人: 湖北华中电力科技开发有限责任公司,国网湖北省电力有限公司
- 当前专利权人: 湖北华中电力科技开发有限责任公司,国网湖北省电力有限公司
- 当前专利权人地址: 湖北省武汉市武昌区中北路236号湖北华中电力科技大厦
- 代理机构: 武汉楚天专利事务所
- 代理商 孔敏
- 主分类号: G06Q10/04
- IPC分类号: G06Q10/04 ; G06Q50/06 ; G06N3/045 ; G06N3/0442 ; G06N3/0464 ; G06F18/214 ; G06F18/21
摘要:
一种基于CNN‑LSTM和lightGBM动态加权融合模型用于短期负荷实际预测的方法,包括:采用CNN‑LSTM算法计算第一时间段中每天的第一平均绝对百分比误差;采用lightGBM算法计算第一时间段中每天的第二平均绝对百分比误差;根据第一平均绝对百分比误差和第二平均绝对百分比误差计算CNN‑LSTM权重和lightGBM权重,进而计算CNN‑LSTM动态权重和lightGBM动态权重;根据CNN‑LSTM算法和lightGBM算法预测的第二时间段的预测值以及第CNN‑LSTM动态权重和lightGBM动态权重得到第二时间段对应每天的最终预测值。本发明能够提高模型的预测稳定性、减小平均误差。