一种基于改进K均值聚类CCA-BiLSTM多维度短期电力负荷预测方法

摘要

本发明公开了一种基于改进K均值聚类CCA‑BiLSTM多维度短期电力负荷预测方法，属于电力负荷预测技术领域。该方法首先对历史负荷与多维度数据进行预处理，按月去除异常值、补充缺失值；之后初定k个日负荷特征标签，采用PCCs改进的K均值算法对历史负荷数据聚类并采用DBi指数分析，结合分析结果与工程经验，明确日负荷标签k值与其对应负荷标签w的特征；构建预处理后的历史多维度数据向量集，将其与历史负荷数据进行CCA贡献度分析，并筛分出10个特征变量重构特征数据集；利用历史负荷数据、负荷标签与重构数据集完成BiLSTM网络进行训练，最终实现对未来短期电力负荷数据的预测。利用本发明所提出的短期电力负荷预测方法，可降低预测过程的时间冗余度，减少所需外部变量的维度，有效增强负荷预测结果的准确性与通用性。