基于随机梯度下降变体的电力大模型训练优化方法

本发明公开了基于随机梯度下降变体的电力大模型训练优化方法，涉及电力大模型训练优化技术领域，用于解决电力系统数据中高频动态波动与长期稳定性之间的冲突，增强模型的收敛性与稳定性，包括以下步骤：对电力系统的历史数据进行预处理，去除随机噪声并将数据划分为短期波动数据与长期趋势数据。本发明通过加权均方误差和滑动窗口机制，精准捕捉电力负荷中的高频波动，提高短期预测精度，优化电网调度。同时，采用趋势拟合损失函数，提升长期负荷预测能力，有助于在用电高峰期提前规划并降低运营成本。结合时间衰减正则化和Adam自适应学习率，增强了模型的稳定性与泛化能力，提升了电力预测与调度的可靠性。