摘要
本发明公开了一种基于组合神经网络的无功需求预测方法和系统,所述方法包括:获取无功负荷特征历史数据并进行预处理,将预处理后的数据划分为训练集和测试集;采用卷积神经网络与门控循环单元组合的方式构建无功需求预测模型,并设置损失函数;对无功需求预测模型进行训练和测试,得到训练完成的无功需求预测模型;获取无功负荷特征实时数据并进行预处理,输入训练完成的无功需求预测模型,得到无功需求预测值;将无功需求预测值反归一化,得到最终的无功需求预测值,并评价无功需求预测模型效果。本发明可有效提高无功需求预测精准度,满足配电网规划和设计新要求。
技术关键词
需求预测模型
需求预测方法
无功负荷
门控循环单元
实时数据
需求预测系统
负荷历史数据
学习器
配电网规划
神经网络训练
归一化模块
模型训练模块
误差
数据获取模块
处理器
矩阵
可读存储介质
指令
层级
系统为您推荐了相关专利信息
分布式储能
调控策略
零碳
环境监测数据
需求预测模型
容量优化配置方法
储能电站
分布式储能
动力电池
时序依赖关系