本申请公开了一种工业用电负荷预测方法、系统及其存储介质,通过改进的K‑means聚类方法对用户生产模式进行识别,并按不同的模式分别采用强化学习与PSO‑LSSVM相结合的算法对用户未来的负荷值进行预测。以不同的生产模式作为先决条件进行预测,考虑到LSSVM的参数选择问题使用PSO算法进行改进,为了避免粒子群优化陷入局部最优解的问题,使用Q‑Learning强化学习.最终能够对不同地区、不同行业、不同生产方式负荷特性变化的工业企业用户负荷情况进行负荷预测。
声明:
“工业用电负荷预测方法、系统及其存储介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)