摘要
本发明公开了一种基于TCN‑TimeGAN混合模型的配电网谐波电压总畸变率预测方法及装置,获取配电网中关键节点电能质量历史监测数据进行预处理,作为后续神经网络训练的训练样本;使用TCN模型对节点的各次谐波电压幅值的变化趋势分别进行日前预测;利用各次谐波电压的日前预测值和THD计算公式,计算该节点谐波电压总畸变率的原始值;利用节点谐波电压总畸变率的历史数据集对TimeGAN修正模型进行重构训练、无监督训练和有监督训练;将谐波电压总畸变率原始值输入到TimeGAN修正模型中对原始计算值进行修正以减少谐波总畸变率计算过程中造成的误差累积,从而提高了配电网中关键节点谐波电压总畸变率的日前预测准确率。
技术关键词
率预测方法
节点谐波电压
历史监测数据
神经网络训练
无监督
计算机程序产品
处理器
预测装置
电能
序列
重构
可读存储介质
存储器
幅值
系统为您推荐了相关专利信息
生成智能
模块
大语言模型
语义关联网络
综合语义
损耗评估方法
锂离子电池
卷积门控循环神经网络
电化学阻抗谱
寿命
血压监测方法
更新模型参数
神经网络模型
血压监测装置
数据缺失值
光纤光栅阵列
振动传感光缆
轨道
编码器
延长钢轨使用寿命
毒性预测方法
融合机器学习
终点
动态权重分配
量化风险评估