摘要
本申请公开了一种模型训练方法、装置及电力负荷的预测方法。其中,该模型训练方法包括:获取电力负荷数据;对训练集中的电力负荷数据进行分解处理,得到多个IMF分量,对IMF分量进行合并及叠加处理,得到多个目标IMF分量;对神经网络模型中的模型参数进行更新,得到目标神经网络模型;利用目标神经网络模型对目标IMF分量进行预测,得到多个预测结果,将多个预测结果进行融合处理,得到电力负荷数据对应的目标预测结果;确定目标预测结果与测试集之间的误差,在误差小于预设阈值的情况下,确定神经网络模型完成训练。本申请解决了相关技术对电力负荷的预测精度较低的技术问题。
技术关键词
模型训练方法
非易失性存储介质
粒子群算法
指标
极值
数据
输入神经网络模型
预测电力负荷
模型训练装置
信号
序列
误差
参数
计算机程序产品
符号
速度
系统为您推荐了相关专利信息
发动机转速
协同控制方法
推土机液压系统
液压泵马达
发动机负荷率
故障场景
资源配置优化方法
节点
分布式电源
粒子群算法
事件相机
智能监管系统
智能监管方法
WGAN模型
卡尔曼滤波跟踪
文本分类模型
模型训练方法
文本分类方法
格式模板
文本分类装置