考虑多维特征和数据增强的空间负荷预测方法

针对空间负荷预测的影响因素多样及历史数据匮乏的问题,提出了一种考虑多维特征和数据增强的空间负荷预测方法。该方法首先综合考虑多种影响电力负荷的因素,从开发强度、发展水平、气侯条件建立地区多维度指标模型。然后构建生成对抗网络(generative adversarial networks,GAN)的数据生成模型,对训练集进行数据增强,生成数量充足且符合地区特点的训练样本。其次采用基于粒子群算法(particle swarm optimization,PSO)优化初始权重和阈值后的反向传播(back propagation,BP)神经网络建立空间负荷预测模型,并利用增强后的数据集实现空间负荷预测。最后,以东部某市4个区为例,对本文的方法进行验证,仿真结果表明本文提出的方法可以提高空间负荷预测精度,具有实用性和有效性。