摘要
本发明涉及大数据技术领域,尤其涉及一种电力能耗预测模型优化方法及系统。该方法包括以下步骤:获取电力系统边缘用户节点的电力消耗数据,并对电力消耗数据进行异常检测以及初步特征提取,得到电力特征数据;将电力特征数据分布式存储在边缘节点形成局部数据池;根据预设周期将电力特征数据聚合到区域数据中心,得到电力特征综合数据;根据电力特征综合数据初始化全局模型架构,并将初始模型分发至各边缘节点,边缘节点根据局部数据池对初始模型进行训练,得到本地模型参数数据;通过中央服务器对本地模型参数数据进行基于联邦平均算法的聚合,得到全局模型参数数据。本发明通过集成短期和中长期预测,提高了模型的泛化能力。
技术关键词
能耗预测模型
分布式模型
数字孪生模型
参数
强化学习环境
节点
语义
策略
数据中心
电网管理
人机协作
真实性验证
深度神经网络架构
电力系统
联盟区块链网络
分布式数据采集
电网设备
系统为您推荐了相关专利信息
系统优化算法
递归数字滤波器
免疫系统
滤波器设计方法
基因
图像分割
轮廓校正
实例分割模型
后处理参数
轮廓区域