摘要
本发明公开了基于孤立森林的CNN‑BiLSTM的负荷预测方法，步骤是：步骤1、采集短期负荷数据；步骤2、处理异常数据；步骤3、进行归一化，再划分为训练集T1和测试集T2；步骤4、搭建CNN‑BiLSTM负荷预测模型，并完成训练；步骤5、残差纠正及误差评估，得到基于孤立森林的CNN‑BiLSTM的负荷预测结果。本发明属于电力系统运行和调度技术领域，将历史的结合天气、日期、工作日类型等因素作为输入特征，采用孤立森林对异常点进行捕捉和处理，然后采用CNN‑BiLSTM负荷预测模型进行预测，得到实际负荷预测曲线，明显提高了短期电力负荷预测的精度。
