摘要
本发明公开了一种配电网的线损预测方法、装置、终端设备及存储介质,通过根据长短期记忆神经网络构建一初始线损预测模型,并采用配电网中各分布式光伏所在区域在若干历史时段下的历史天气因素序列,与配电网在各历史时段下的历史线损数据的模态分量数据集,对初始线损预测模型进行训练,得到线损预测模型。继而采用所述线损预测模型,根据各分布式光伏所在区域当下的天气因素序列,预测配电网在未来时段下的线损数据。因此,本发明通过对历史线损数据进行模态分解,降低线损数据的非线性和波动性对模型预测结果精确度的不利影响,还利用了长短期记忆神经网络擅长捕捉序列长期依赖关系的优势,有效的提升了线损预测模型的整体预测精度。
技术关键词
线损
分布式光伏
天气
长短期记忆神经网络
序列
数据获取模块
拉格朗日
终端设备
预测装置
精度
表达式
处理器
频率
存储器
训练集
非线性
误差
计算机
脉冲
系统为您推荐了相关专利信息
序贯概率比检验
模拟退火算法
概率密度函数
样本
参数
BERT模型
恶意域名检测方法
字符
前馈神经网络
解码器
助手系统
支持向量机分类
知识图谱构建
个性化服务单元
数据分析单元
光电转换效率
神经网络模型
光伏板阵列
冲击磨损量
虚拟三维场景
消化内镜
智能护理系统
病变特征
患者生理数据
影像