基于神经网络的变压器负载率预测方法及相关装置

本发明提供了一种基于神经网络的变压器负载率预测方法及相关装置，该方法通过采集变压器的参数信息，并将参数信息输入特征选择模型进行筛选获得特征子集；筛选后的最优特征子集中的特征与变压器负载率呈高关联性，可以有效降低算例损耗、加快预测模型的收敛速度、剔除原始数据中的冗余；构建变压器负载率预测模型，并基于贝叶斯理论对变压器负载率预测模型进行优化，将概率分布引入神经网络，使优化后的神经网络能够将影响变压器负载率的各变量间不确定性纳入考虑范畴；利用特征子集对优化后的变压器负载率预测模型进行训练，得到预测数据；能够避免出现过拟合以及局部最小化问题，提升收敛速率，使得预测结果更加精准，泛化性能得到提升。