[发明专利]一种基于在线学习的电表级短时负荷预测系统及实现方法

摘要

本发明公开了一种基于在线学习的电表级短时负荷预测系统和实现方法。其系统主要包括数据采集存储和基于在线学习的负荷预测两部分：数据采集存储部分包括数据采集、数据预处理、影响特征获取模块和数据存储模块；基于在线学习的负荷预测部分主要包括在线训练模块、在线学习预测模块和混合神经网络模型。其中所述数据采集存储模块，用于定时采集电力负荷数据，并传输至边缘设备端进行预处理，最后将负荷数据存储到本地数据库；在线预测模块将历史负荷数据及对应的影响特征数据作为最新的混合神经网络的输入，对未来24小时的负荷进行预测；混合神经网络模型将数据通过全连接神经网络进行融合，再连接到LSTM网络经过Dropout层，最后在输出层输出预测值。