摘要
本发明提供基于机器学习的配网供电多维辅助决策分析方法及系统,所述方法包括:S1、获取配网历史数据和历史用电负荷数据;S2、通过长短时记忆网络和配网历史数据,得到供电需求预测模型;S3、通过时序预测算法和历史用电负荷数据,得到负荷变化模型;S4、基于步骤S2和S3的输出,对配网实时运行数据进行识别,得到供电能力变化趋势和负荷裕度;S5、基于步骤S4的输出建立综合目标函数,通过遗传算法对所述目标函数进行优化求解,输出最优供电决策方案;S6、执行步骤S5的输出,实时监测配网供电运行参数,基于所述配网供电运行参数对所述最优供电决策方案进行动态调整。本发明提升了配网供电的可靠性,以及实现了配网供电决策方案的动态调整和优化。
技术关键词
需求预测模型
负荷
配网
物联网传感器
辅助决策分析系统
遗传算法
指标
数据
深度学习模型
波动特征
参数
误差校正
权重分配方法
模糊逻辑算法
支持向量机算法
通信接口
计算机
可读存储介质
系统为您推荐了相关专利信息
综合负荷模型
拓扑图
分布式电源
电力系统稳定
电力系统信息
调度优化方法
微电网
电网调度优化
深度神经网络模型
配网
历史负荷数据
智能化锅炉
历史运行数据
调控方法
调控策略
XGBoost算法
XGBoost模型
负荷预测方法
电力系统
数据
电力负荷预测模型
动态监控
信息平台
预警方法
深度学习算法