您所在的位置: 成果库 一种基于多时间尺度特征的短期负荷预测方法

一种基于多时间尺度特征的短期负荷预测方法

发布时间: 2022-04-24

基本信息

合作方式： 技术转让
成果类型： 发明专利,新技术
行业领域：
其他
成果介绍

本发明提供了一种基于多时间尺度特征的短期负荷预测方法，包括以下步骤：步骤1：对负荷数据进行数据预处理步骤2：用f(t)＝s(t)+σe(t)来表示含有噪声的信号模型，其中，s(t)表示原始信号，f(t)表示含有噪声的信号，e(t)表示噪声信号；步骤3：选择db小波基对负荷序列进行分解和重构；步骤4：小波分解产生的序列用GRNN神经网络进行分析和预测；步骤:5：将高频、低频时间序列的分析预测结果再采用小波重构方法进行综合，得出整体预测分析结果。本发明采用小波对不同时间尺度的特征分解性能，结合GRNN良好的时序数据处理能力，提出W_GRNN模型，实现短期负荷预测。该模型以时序数据为输入因子，引入GRNN算法优化模型参数。通过仿真验证了改进预测模型的准确性和有效性。

成果亮点
团队介绍
成果资料