一种基于混合模型的短期电力负荷预测方法及系统

摘要

本发明公开了一种基于混合模型的短期电力负荷预测方法及系统。本发明通过LSTM预测模型提取高频分量子序列的时序特征，配合CATBOOST预测模型和第一ELM预测模型组成的ELM‑CATBOOST混合预测模型对短期电力负荷进行预测，利用CEEMDAN分解算法把原始电力负荷数据分解成若干个固有模态函数分量，降低了模型预测难度，提高了预测准确度；另外，利用LSTM预测模型提取高频分量子序列的时序特征，结合高频分量子序列的历史电力负荷数据和原始电力负荷数据共同作为ELM‑CATBOOST混合预测模型的输入特征极大的丰富了输入特征维度信息，通过使用ELM‑CATBOOST混合预测模型集成了单一模型优势，拥有更高的鲁棒性和准确性，针对高、低频分量子序列采取不同的输入特征和预测模型能够降低模型复杂度。