摘要
本发明涉及电力信息技术领域,尤其涉及基于多能互补的电力虚拟储能控制方法,该方法在利用XGBoost模型对电力负荷进行预测的过程中,根据XGBoost模型中的损失函数,获取任一轮迭代结束后的学习率的调整方向因子;根据任一轮迭代中的各项关键特征的历史数据分布情况,以及任一轮迭代结束后的预测效果,获取任一轮迭代结束后的学习率的综合调整幅度;根据调整方向因子和综合调整幅度,获取任一轮迭代结束后的自适应学习率,根据每一轮迭代结束后的自适应学习率,得到XGBoost模型输出的电力负荷最终预测值,提高了利用XGBoost模型对电力负荷进行预测的准确性,进而提高了电力虚拟储能系统的运行效率。
技术关键词
电力虚拟储能控制
XGBoost模型
数据分布
负荷
预测残差
因子
虚拟储能技术
虚拟储能系统
平衡电力系统
电力信息技术
特征值
样本
数值
节点
线性
系统为您推荐了相关专利信息
双层规划方法
负荷
储能设备
充放电功率
分层聚类算法
依赖特征
电力负荷预测模型
空间分布特征
时间卷积网络
电力负荷预测方法
汉明距离
文件检索方法
视频流
文件检索系统
卷积神经网络提取
负荷预测方法
卷积神经网络模型
混合预测模型
大数据
异构
电力
动态管控方法
对象
数字孪生模型
优化电网拓扑结构