基于CNN-BiLSTM的电力负荷中短期预测

摘要

首先对某地区电力负荷数据进行重复值、缺失值和异常值的处理，再进行特征工程对特征进行挖掘，并基于Copula函数进行特征筛选，接着基于深度学习理论建立了基于CNN-BiLSTM的多变量分时负荷预测模型，通过模型融合进行了误差修正；然后对各行业日负荷最值序列进行突变点检测和分析，基于突变点分别对各行业建立了基于Prophet时间序列分解方法的日负荷最值预测模型；最后通过模型准确度评估验证了模型的有效性，结果表明融合模型能有效地应用于实际的电力系统负荷预测中.

关键词

特征筛选 / CNN-BiLSTM模型 / 模型融合 / 突变点检测 / Prophet模型