一种电力负荷预测方法

1.一种电力负荷预测方法，其特征在于，包括：获取模型原始输入特征；其中，所述原始输入特征包括电力负荷数据和气象因素数据；将所述原始输入特征输入多层RBM网络中进行训练学习，经过 RBM 网络的多次非线性变换以及对于参数的重构和微调，得到第二输入特征；根据所述第二输入特征和遗传算法，得到第三输入特征；根据BP神经网络的初始权值和遗传算法，得到第二权值；将所述第三输入特征以及所述第二权值输入到BP神经网络，根据设定误差阈值，使用BP算法进行反向参数微调，直至误差小于等于预设的阈值，得到用于预测电力负荷的模型；将待预测时间输入到所述用于预测电力负荷的模型进行预测；在根据所述第二输入特征和遗传算法，得到第三输入特征之前，还包括：对所述模型输入特征中的错误数据进行修正或对缺失数据进行补全；所述对所述模型输入特征中的错误数据进行修正，具体包括：若 ；则根据公式 修正 ；其中， 为第二预设阈值，t为采样点，取值范围为[1，96]; 表示第d天t时刻的电力负荷值； 表示第d天t-1时刻的电力负荷值； 表示第d天t+1时刻的电力负荷值；所述对所述模型输入特征中的错误数据进行修正，具体还包括：若 则根据公式 修正 ；其中， 表示第d天t时刻的电力负荷值；m(t)为待处理数据近几天t时刻的负荷平均值；r(t)为第三预设阈值。 2.根据权利要求1所述的电力负荷预测方法，其特征在于，所述气象因素数据包括但不限于：日最高温度、日平均温度、日最低温度、日降雨量和日相对湿度。 3.根据权利要求1所述的电力负荷预测方法，其特征在于，在对所述模型输入特征中的错误数据进行修正或对缺失数据进行补全后，还包括：对所述模型输入特征中的各类数据分别进行归一化处理。 4.根据权利要求1所述的电力负荷预测方法，其特征在于，所述对所述模型输入特征中的缺失数据进行补全，具体包括：若出现数据缺失的情况，则采用缺失日前几日或后几的正常数据进行曲线拟合，得到拟合曲线；采用所述拟合曲线计算缺失的数据进行数据补全。 5.根据权利要求3所述的电力负荷预测方法，其特征在于，对所述模型输入特征中的各类数据分别进行归一化处理，具体包括：应用 StandardScaler实现对所述输入特征中的各类数据分别进行标准化。