[发明专利]一种基于差异化多模融合的负荷加权集成预测方法

摘要

本发明涉及一种基于差异化多模融合的负荷加权集成预测方法，以短时段内电力负荷为研究对象，考虑到负荷的规律性及周期性，及其与天气等因素的相关性，构建基于状态相似日的负荷预测回归模型；考虑到负荷的随机性及波动性，构建马尔科夫负荷预测模型；考虑到负荷变化的多样性，以日期属性、温度属性等为输入变量，构建神经网络负荷预测模型；最终，通过加权集成的方法有效平衡各种个体学习器的预测误差。本发明针对负荷周期性、随机性、多样性三大特点，差异化选取三种个体学习器，并加权集成形成强学习器降低预测误差，通过着这种基于差异化多模融合的负荷加权集成预测方法有效提高了负荷预测精度。