一种考虑温度模糊化的电力负荷预测方法

摘要

本发明公开了一种考虑温度模糊化的电力负荷预测方法，首先采集电网的历史负荷数据、历史温度数据以及相关日期数据并将其处理成15维特征向量，并按比例将其分为训练数据集和测试数据集；再建立三层长短时记忆神经网络，并通过训练数据集对三层长短时记忆神经网络进行迭代训练得到电力负荷预测模型；最后将测试数据集中的预测日数据输入电力负荷预测模型，得到电力负荷预测值。本发明能够计及负荷时序性特性对短期负荷进行精确预测，同时利用隶属度函数将精确温度模糊化处理到[0,1]区间作为预测模型特征向量输入，从而能够有效降低夏季温度多变和不确定带来的随机性影响，提高电力负荷预测模型对温度的泛化性。