一种基于double-input CNN-LSTM的系统负荷预测方法及系统

    公开(公告)号:CN117200222A

    公开(公告)日:2023-12-08

    申请号:CN202311302517.1

    申请日:2023-10-09

    摘要: 本发明公开了一种基于double‑input CNN‑LSTM的系统负荷预测方法及系统,该方法包括:获取数值天气预报和实测历史负荷数据,对数据中存在的异常值、缺失值异常点清洗和填充;对清洗后的负荷和天气数据构造成时序特征集,进而划分特征集为训练集、验证集和测试集,输入double‑input CNN‑LSTM时序网络进行训练得到模型;利用训练好的double‑input CNN‑LSTM时序预测模型对电力系统进行系统负荷预测。本发明综合考虑历史负荷的周期性、趋势性变化和预测日的气象影响,模型将特征输入划分为历史特征和预测特征,解决历史特征和预测日特征尺度不对称的问题,提高了系统负荷预测精度和曲线形态准确性,系统负荷预测结果满足电网负荷预测计划要求,能够更好地应用于之后的负荷调度决策中。