基于分支结构模型的电力负荷区间预测方法和系统

    公开(公告)号:CN113139671A

    公开(公告)日:2021-07-20

    申请号:CN202010062363.3

    申请日:2020-01-20

    申请人: 河海大学

    IPC分类号: G06Q10/04 G06Q50/06 G06Q10/06

    摘要: 本发明公开基于分支结构模型的电力负荷区间预测方法和系统,所述方法包括:将预先采集的历史电力负荷相关数据按照类别划分为不同的数据集,各数据集分别输入到预先建立训练完成的分支结构模型中的各个并列的GRU模块,分支结构模型输出电力负荷区间预测结果;所述分支结构模型包括与类别数相对应数量的各个并列的GRU模块,并且各GRU模块的输出连接到一个全连接层;利用电力负荷区间预测结果的区间范围安排次日的日调度计划。本发明设计了分支结构的预测模型使各类型数据得到充分利用;借助分位数损失函数可实现电力负荷区间预测,再基于区间预测结果安排日调度计划,保障电网安全可靠运行。

    一种基于多XGBoost模型融合的母线负荷预测方法

    公开(公告)号:CN110570034A

    公开(公告)日:2019-12-13

    申请号:CN201910809141.0

    申请日:2019-08-29

    申请人: 河海大学

    摘要: 本发明公开了一种基于多XGBoost模型融合的母线负荷预测方法,包括如下步骤:首先,对母线负荷数据及其相关数据进行预处理,并构建样本集;其次,构建分层预测系统,共2层,在第一层建立N个不同的XGBoost模型,在第二层建立1个XGBoost模型,将第一层N个XGBoost模型的输出作为其输入,即由第一层的XGBoost模型进行一次学习,再由第二层的XGBoost模型对第一层的学习结果进行二次学习;采用粒子群算法(PSO)优化分层预测系统参数;最后应用样本集进行训练与测试,输出母线负荷预测结果。本发明的方法强化了学习效果,提升了泛化能力,适合于解决随机性较强的母线负荷的预测问题。