一种基于深度学习的微电网负荷预测方法

摘要

本发明公开了一种基于深度学习的微电网负荷预测方法，包括：按照设定的采样时间间隔，采集多个不同类型微电网的历史负荷数据，所述历史负荷数据包括负荷值及对应的时间信息；对所述历史负荷数据进行特征转化，获得输入特征向量，并将所述输入特征向量作为训练集；将所述训练集输入包括基本网络模块和残差网络模块的深度神经网络中进行训练，得到微电网负荷预测模型；将待预测微电网的历史负荷数据输入训练好的微电网负荷预测模型中，得到待预测微电网的负荷预测结果。本发明利用深度神经网络较强的非线性映射能力，充分挖掘历史负荷数据的潜在特征，实现对未来负荷的高精度预测；同时实现跨区域、不同类型的微电网负荷预测。