摘要
本发明提供一种基于迁移学习的电力系统能源供给预测方法及系统,该方法包括如下步骤:缓存风险供电区域的区域实时电力数据;获取目标地区的地区供电拓扑数据和地区历史电力运转数据;结合多尺度卷积神经网络和迁移学习技术提取到电力运转时序特征;基于地区供电拓扑数据生成目标地区的地区电力图网络,并根据区域供电拓扑数据截取出风险供电区域的区域电力图网络;结合地区电力图网络和区域电力图网络并利用图神经网络提取出电力拓扑结构特征;将电力运转时序特征和电力拓扑结构特征融合为电力综合特征,并通过GCN‑LSTM预测模型输出风险供电区域的电力供给缺口预测结果。本发明具有准确预测电力供给缺口的效果。
技术关键词
时序特征
全局特征提取
拓扑结构特征
灰色预测模型
分层迁移学习方法
电力系统
电力调度系统
数据
局部特征提取
多尺度
网络
参数
ARMA模型
拓扑特征
LSTM模型
节点
风险
系统为您推荐了相关专利信息
故障诊断模型
无人机故障诊断
样本
滑动窗口
时间卷积网络
高速公路合流区
协同控制方法
线圈检测器
时序特征
仿真环境