一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822B

    公开(公告)日:2024-08-20

    申请号:CN202111487796.4

    申请日:2021-12-07

    摘要: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

    一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822A

    公开(公告)日:2022-03-04

    申请号:CN202111487796.4

    申请日:2021-12-07

    摘要: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。