摘要
本申请公开了一种虚拟电厂短期负荷预测方法、装置及设备,涉及负荷预测领域。本申请首先构建了涵盖预测精度和模型复杂度的多目标优化函数,然后设置径向基函数(RBF)神经网络和改进的非支配排序遗传算法(NSGA‑II)的复合方法,利用结合RBF神经网络的强大非线性映射能力与NSGA‑II算法的多目标优化优势,有效处理虚拟电厂负荷预测中的多变量、多目标问题,提高了虚拟电厂短期负荷预测的预测精度和计算效率。
技术关键词
短期负荷预测方法
神经网络模型
RBF神经网络
短期负荷预测装置
历史负荷数据
复杂度
样本
序列
精度
参数
模型训练模块
训练集
标签
预测误差
遗传算法
处理器
邻域
系统为您推荐了相关专利信息
直方图
训练神经网络模型
企业创新能力
指标
生成企业
磁铁矿石
智能识别方法
冲击试验机
形貌特征
深度学习训练
神经网络模型
免疫固定电泳
多尺度特征融合
胶片扫描
阶段
红外线灯
皮肤屏障功能
控制系统
模式识别算法
皮肤电阻传感器
解算方法
BP神经网络模型
多气体传感器
变异策略
数据