1.基于模态分解与神经网络的电量电价层级融合预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于模态分解与神经网络的电量电价层级融合预测方法,其特征在于,所述s1、数据预处理:获取目标对象的历史用电量及关联信息并进行预处理,包括:
3.根据权利要求1所述的基于模态分解与神经网络的电量电价层级融合预测方法,其特征在于,所述s2、基于层级融合的底层处理中,利用模态分解算法将预处理后的数据分解为多个imf分量,包括:
4.根据权利要求1或3所述的基于模态分解与神经网络的电量电价层级融合预测方法,其特征在于,所述s2、基于层级融合的底层处理中,对每个imf分量计算其模糊熵值,将得到的imf分量和模糊熵值合并,得到基础特征向量,包括:
5.根据权利要求1所述的基于模态分解与神经网络的电量电价层级融合预测方法,其特征在于,所述s3、基于层级融合的中层处理中,双向长短期记忆神经网络模型的训练过程包括:
6.根据权利要求1所述的基于模态分解与神经网络的电量电价层级融合预测方法,其特征在于,所述s4、基于层级融合的高层处理中,卷积神经网络模型的训练过程包括:
7.根据权利要求1所述的基于模态分解与神经网络的电量电价层级融合预测方法,其特征在于,所述s5、基于层级融合的顶层处理:基于模糊熵值将输出的时间特征向量和空间特征向量进行加权融合,基于梯度提升机得到最终的电量预测值,包括:
8.基于模态分解与神经网络的电量电价层级融合预测系统,其特征在于,所述系统运行时执行如权利要求1-7中任意一项所述的基于模态分解与神经网络的电量电价层级融合预测方法。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时实现如权利要求1至7中任意一项所述的基于模态分解与神经网络的电量电价层级融合预测方法的步骤。
10.一种存储介质,其特征在于,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如权利要求1至7中任意一项所述的基于模态分解与神经网络的电量电价层级融合预测方法的步骤。