基于大数据的电力负荷预测方法

摘要

本发明公开了一种基于大数据的电力负荷预测方法，步骤一，提供N个时间段的数据信息；针对同一数据信息，采用强化学负荷预测的数据模型获取第N+1个时间段的电力负荷预测值一；同时采用数据驱动方式获取第N+1个时间段的电力负荷预测值二；步骤二，采用D-S证据理论对电力负荷预测结果一和电力负荷预测结果二进行信息融合，获取第N+1个时间段的最终预测结果。针对包含空间、时间、属性等多维度多级别的电力负荷预测体系，本发明将基于数据驱动理论的无模型负荷预测控制器与基于小波神经网络的积累学型预测相结合，采用信息融合技术将两者预测值在决策级进行信息融合，得出最优的预测值，大幅提高了负荷预测的精度和实时性。

主权项

一种基于大数据的电力负荷预测方法，该方法包括如下步骤：步骤一，提供N个时间段的数据信息；针对同一数据信息，采用强化学习负荷预测的数据模型获取第N+1个时间段的电力负荷预测值一；同时采用数据驱动方式获取第N+1个时间段的电力负荷预测值二；步骤二，采用D‑S证据理论对电力负荷预测结果一和电力负荷预测结果二进行信息融合，获取第N+1个时间段的最终预测结果。