- 专利标题: 一种基于ARIMA和CNN-LSTM组合模型的短期负荷预测方法及系统
-
申请号: CN202410577573.4申请日: 2024-05-10
-
公开(公告)号: CN118644096A公开(公告)日: 2024-09-13
- 发明人: 王顺江 , 于鹏 , 郑伟 , 葛延峰 , 王荣茂 , 刘祚宇 , 王浩 , 金宜放 , 寿增 , 牛鹏艺 , 陈群 , 于同伟
- 申请人: 国网辽宁省电力有限公司 , 沈阳工业大学 , 南京工业大学 , 清华大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司
- 申请人地址: 辽宁省沈阳市和平区宁波路18号; ; ; ; ;
- 专利权人: 国网辽宁省电力有限公司,沈阳工业大学,南京工业大学,清华大学,国网辽宁省电力有限公司电力科学研究院,国家电网有限公司
- 当前专利权人: 国网辽宁省电力有限公司,沈阳工业大学,南京工业大学,清华大学,国网辽宁省电力有限公司电力科学研究院,国家电网有限公司
- 当前专利权人地址: 辽宁省沈阳市和平区宁波路18号; ; ; ; ;
- 代理机构: 北京智绘未来专利代理事务所
- 代理商 张浩
- 主分类号: G06Q10/0637
- IPC分类号: G06Q10/0637 ; H02J3/00 ; G06Q50/06 ; G06N3/0442 ; G06N3/0464 ; G06N3/08
摘要:
一种基于ARIMA和CNN‑LSTM组合模型的短期负荷预测方法及系统,包括以下步骤:采集园区历史负荷数据、气象数据,对原始信息进行数据预处理,将处理后的数据随机划分训练集和测试集,设置比例,得到训练数据序列;构建CNN‑LSTM预测模型,将所述训练数据序列输入到CNN卷积层中,通过多层卷积层和池化层捕捉数据中的局部和全局特征,传递给LSTM用于捕捉二维时序数据中的时间依赖关系;构建ARIMA预测模型,对所述训练数据序列提取残差,将残差输入到LSTM中进行修正;将CNN‑LSTM预测模型和ARIMA预测模型的预测值进行组合,反归一化得到预测结果。在单一模型基础上将二者进行组合,增强预测模型的性能和稳定性。