基于多源异构数据融合的短期电力负荷预测

为解决多源异构数据集成的难题,设计包含数据集成、数据空间、数据演化、数据输出四个组件的短期电力负荷预测数据空间框架。为了建立多源异构数据与短期电力负荷的复杂变化因果关系,提出一种基于Gabor-LSTM-XGboost两阶段预测模型。第一阶段,构建基于Gabor云图特征提取及编码模型,将非结构化云图进行幅值特征级增强并进行编码融合。第二阶段,建立LSTM-XGBoost预测模型,将综合气象数据、历史负荷数据、日类型数据进行拼接后形成的长序列作为预测模型的输入,引入XGBoost增加正则化,进一步提高模型的鲁棒性。算例结果表明,所提出的模型能够较好地挖掘云图气象数据,有效提升短期电力负荷预测精度,特别是突变天气下的负荷预测精度。