基于深度神经网络模型融合的电力负荷预测方法、装置

摘要

本发明涉及基于神经网络模型融合的日前电力负荷预测方法，包括如下步骤：获取需要预测的电力负荷日期之前电表的负荷数据，通过AP聚类算法对其进行聚类分组；分别构建CNN神经网络、LSTM神经网络及CNN‑LSTM相结合的神经网络，并对其进行训练；将三个深度神经网络的输出层丢弃，将输出层前一层的隐藏层的输出作为高级特征，并将隐藏层输出组合成融合之后的高级特征；冻结训练好的三个网络的网络权重，并添加多通道卷积层作为模型融合层，对融合层参数进行训练；将需要预测日期的前N天的负荷数据分别输入到融合模型，得到最终的日前电力负荷数据；本发明使用融合后的网络模型进行日前负荷预测，提高日前负荷预测的精度。