摘要
本发明公开了一种基于多梯度下降的短期电力负荷预测方法、装置、终端设备及存储介质,方法包括:将待预测电力系统的第一负荷数据输入至预设的负荷预测模型中进行负荷预测,得到待预测电力系统的短期负荷预测结果;负荷预测模型的训练包括:获取初始全局模型参数及初始梯度;将初始全局模型参数及初始梯度发送给各电力节点的本地模型,以使各本地模型根据本地历史负荷数据、当前全局模型参数及当前梯度进行本地模型训练操作并更新本地模型参数及当前梯度;根据更新后的当前本地模型参数及当前梯度,重复执行全局模型训练操作并更新当前全局模型参数,直至各本地模型均收敛得到训练完成的负荷预测模型。通过实施本发明,提高了负荷预测的准确性。
技术关键词
负荷预测模型
预测电力系统
历史负荷数据
短期电力负荷预测
参数
模型更新
短期负荷预测
模型训练模块
序列
LSTM模型
可读存储介质
终端设备
数据获取单元
矩阵
数据获取模块
计算机
处理器
系统为您推荐了相关专利信息
配置装置
内存模块
通信链路
通信模块
分布式系统
音频特征提取
特征提取器
数据
解码方法
可读存储介质
强度预测方法
机器学习模型
三维特征数据
非线性特征
模块
组态系统
数据处理方法
TensorFlow框架
存储系统
系统日志文件