摘要
本发明提供了一种虚拟电厂调节能力的预测模型训练方法和预测方法,涉及虚拟电厂技术领域,该训练方法包括:确定由至少一个任务构成的任务集合;获取任务集合中的每一个任务的初始数据集;每一个初始数据集均包括:虚拟电厂历史数据、市场申报价格数据和历史气象数据;基于初始数据集中各数据特征之间的依赖性对各初始数据集中的数据特征进行筛选,得到对应每个任务的筛选数据集;基于小样本学习算法,利用筛选数据集通过内循环和外循环的双层循环训练方式进行模型训练,得到用于对虚拟电厂的调节能力进行预测的调节能力预测模型。利用该训练方法得到的模型对虚拟电厂的调节能力进行预测,能够提高对虚拟电厂调节能力进行预测的准确性。
技术关键词
预测模型训练方法
历史气象数据
学习算法
梯度下降法
概率密度函数
样本
参数
虚拟电厂技术
时间段
矩阵
指标
曲线
多任务
风速
总量
系统为您推荐了相关专利信息
半导体器件清洗
半导体器件表面
三维表面模型
清洗单元
预警方法
煤矸石堆场
地质灾害风险
实时监测方法
风险识别模型
风险监测系统
预测模型构建方法
影像
超声弹性图像
灰阶超声图像
模型构建装置
分析结核分枝杆菌
患者
分类系统
机器学习算法
随机森林