摘要
本发明公开了基于多模态数据融合与自适应控制的供配电方法及系统,通过采集供配电网络节点中的实时供配电数据,并获取供配电环境数据;利用量子启发式多模态融合算法将实时供配电数据和供配电环境数据进行融合,得到融合供配电数据;基于LSTM长短时记忆网络和CNN卷积神经网络建立LSTM‑CNN机器学习模型;将融合供配电数据输入至LSTM‑CNN机器学习模型中进行训练,得到电负荷预测数据;基于自适应控制策略,根据电负荷预测数据对电负荷设备发送调控指令。提升电能质量:实时动态调控有效抑制电压波动、闪变及谐波畸变,保障用户端电压偏差和功率因数达优。
技术关键词
电负荷预测
多模态数据融合
供配电方法
机器学习模型
融合算法
分布式电源特性
供配电系统
子模块
网络节点
量子纠缠特性
稳定电网频率
状态估计技术
故障树分析法
变压器分接头
无功补偿装置
功率因数
系统为您推荐了相关专利信息
梯度提升树模型
卷积神经网络模型
极限学习机
融合算法
数据处理算法
美颜
计算机视觉
图像处理方法
图像处理系统
欧氏距离算法
甄别方法
在线监测数据
工况参数
大气污染治理设施
电力管理系统
雷达高度计
无迹卡尔曼滤波器
定位系统
协方差矩阵
非线性最小二乘法
爆管预警系统
地下综合管廊
数据采集单元
数据分析单元
风险预测模型