摘要
本发明公开了一种基于机器学习的光伏发电火灾风险预测方法、系统、计算机设备及存储介质,包括:步骤1:采集光伏发电火灾发生时的基础数据,采集光伏发电火灾发生时的地理数据,采集光伏发电火灾发生时的天气数据;步骤2:对步骤1采集到的数据进行清洗和预处理;步骤3:从清洗和预处理后的数据中提取与火灾发生相关的特征数据;步骤4:利用特征数据对多个预测模型进行训练,得到多个预训练的预测模型;步骤5:实时采集与光伏发电火灾发生相关的当前数据,将当前数据输入至多个预训练的预测模型中,得到多个预测结果;步骤6:对多个预测结果进行整合,得到最终的预测结果,所述最终的预测结果包括:发生光伏发电火灾的概率以及对应的地理位置。
技术关键词
风险预测方法
火灾
数据
计算机设备
集成学习策略
风险预测系统
迁移学习技术
回归预测模型
气象
可视化模块
基础
处理器
动态
随机森林
单元块
规模
存储器
阶段
程序
系统为您推荐了相关专利信息
社区生活圈
城市社区
卫星遥感影像数据
覆盖率
体外除颤器
数字孪生体构建方法
设备运行状态数据
动作特征
多源监测数据
状态转移模型
机器学习优化
口腔模型
闭环控制
弯曲
表面三维数据
锂离子蓄电池
蓄电池健康状态
BP神经网络算法
电压
皮尔逊相关系数