申请/专利权人:远光软件股份有限公司
申请日:2023-10-27
公开(公告)日:2024-02-02
公开(公告)号:CN117494844A
主分类号:G06N20/20
分类号:G06N20/20;G06F18/10;G06F18/25;H02J3/00;G01W1/10;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.23#实质审查的生效;2024.02.02#公开
摘要:本申请实施例公开了一种基于集成学习模型的月度负荷极值的预测方法、装置、存储介质及计算机设备,涉及电力预测领域。本申请基于当前时间获取历史数据集和获取未来月份的时间特征值;对历史数据集进行数据清洗;利用时间序列模型预测未来月份的气象参数值;若未来月份为第一预设月份,对未来月份的气象特征值进行修正;将数据清洗后的历史数据集进行特征合成;若预设月份为第二预设月份,将特征合成后的历史数据集中的负荷极值作正态分布变换;利用变换后的历史数据集进行集成学习模型的训练和预测,可以降低数据波动对的预测结果的影响,提高预测结果的准确性。
主权项:1.一种基于集成学习模型的月度负荷极值的预测方法,其特征在于,包括:基于当前时间获取历史数据集和获取未来月份的时间特征值;其中,所述历史负荷数据集包括多条数据,每条数据对应一个历史月份,每条数据包括:负荷极值、气象参数值和时间特征值;对所述历史数据集进行数据清洗;利用时间序列模型预测所述未来月份的气象参数值;若所述未来月份为第一预设月份,对所述未来月份的气象特征值进行修正;将数据清洗后的历史数据集进行特征合成;若所述未来月份为第二预设月份,将历史数据集中的负荷极值作正态分布变换;利用变换后的历史数据集进行集成学习模型的训练,以及利用训练的集成学习模型对所述未来月份的时间特征值和修正后的气象参数值进行处理得到所述未来月份的负荷极值预测结果。
全文数据:
权利要求:
百度查询: 远光软件股份有限公司 基于集成学习模型的月度负荷极值的预测方法、装置、存储介质及计算机设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。