[发明专利]一种基于CNN-LSTM-ARIMA组合短期电力负荷预测方法

摘要

本发明涉及电力系统短期负荷预测技术领域，本发明公开一种基于CNN‑LSTM‑ARIMA组合短期电力负荷预测方法。组合模型中CNN负责提取时间维度上的短期模式以及变量之间的局部依赖关系，LSTM提取负荷数据的长期关联信息，ARIMA作为线性分量与主模型预测结果进行融合。其方法包括：选择并确定组合网络模型的基本结构和相关网络参数；获取样本数据导入组合模型进行训练；利用K折交叉验证法选出最优预测模型。本发明旨在使用中小规模负荷数据降低日负荷预测误差率，从而为电力调度工作提供安全可靠的数据支持。与现有技术相比，本发明具有提高短期电力负荷预测精度和降低训练时间的优点。