摘要
本发明公开了一种基于物理模型预训练的变电站负荷预测方法和系统,该方法通过目标变电站物理模型输出的模拟数据对负荷预测模型进行预训练,再结合实际实时数据对负荷预测模型进行滚动优化预测,由此可以使模型在保持对未知数据适应能力的同时,也能更好地适应真实环境,从而提高模型的泛化能力;模拟数据和实际数据可以提供不同的梯度信息,通过结合两者的梯度信息,不仅可以更有效地调整模型的参数,提高模型的性能,还有助于模型学习到更多的负荷特征和规律,从而提高预测的准确性。
技术关键词
负荷预测模型
负荷预测方法
模型预训练
变电站
LSTM神经网络
RBF神经网络
实时数据
物理
负荷预测系统
建筑
指数平滑法
可读存储介质
正则化参数
负荷特征
模块
支持向量机
解码器
编码器
系统为您推荐了相关专利信息
神经网络预测模型
微电网
曲线
充放电功率
光伏发电预测
净化系统
子模块
膜分离模块
智能控制模块
分解有机污染物
有功功率
协同优化控制
储能站
功率控制方法
电池健康状态
LSTM神经网络
风险预警系统
LSTM模型
信用风险评估方法
铁路
电力智能巡检
识别方法
短距离
实例分割网络
二值化算法