一种多尺度可解释的微电网电力负荷预测方法及系统

专利主权项内容

1.一种多尺度可解释的微电网电力负荷预测方法，其特征是，包括：构建原始全局尺度模型，采用微电网电力负荷数据集对原始全局尺度模型进行训练，得到初步全局尺度模型；对初步全局尺度模型的输入空间进行分区；将微电网电力负荷数据集，输入到初步全局尺度模型中，输出预测值，计算预测值与真实值之间的误差，将误差超过设定阈值的输入空间分区进行标记；根据误差超过设定阈值的输入空间分区集合，确定N个局部学习范围；N为正整数；判断微电网电力负荷数据集中的每一个样本是否处于局部学习范围内，如果否，则将当前样本输入到初步全局尺度模型中，对其进行训练得到更新的全局尺度模型，如果是，则将当前样本输入到对应学习范围的局部精细模型中，对其进行训练，得到对应学习范围的训练后的局部精细模型；获取微电网电力负荷实时数据，判断实时数据是否处于局部学习范围内，如果否，则将实时数据输入到更新的全局尺度模型中，输出电力负荷预测值；如果是，则将实时数据输入到对应学习范围的局部精细模型中，输出电力负荷预测值。