一种基于卡尔曼滤波器与卷积神经网络的电力负荷预测方法

摘要

本发明公布了一种基于卡尔曼滤波器与卷积神经网络的电力负荷预测方法包括以下步骤：获取某地区的电力系统历史负荷数据，对历史负荷数据的异常数据进行处理；对影响电力负荷的因素进行分析与量化，将修正后的数据进行归一化；确定神经网络的输入输出数据，确定最优的隐含层的神经元个数，建立卷积神经网络；用训练好的卷积神经网络进行预测，并将预测的数据反归一化从而得到负荷预测值；根据时间序列模型和卷积神经网络预测值确定卡尔曼方程，时间序列模型的预测值作为卡尔曼滤波的真实值，卷积神经网络的预测值作为卡尔曼滤波的测量值，对电网负荷进行预测。本发明预测精度较高，可广泛应用于电力系统的负荷预测中。