摘要
一种基于深度学习的分电压等级线损预测方法及系统,包括:获取电网中各电压分支上各节点待预测时刻的电网相关的多源数据;对各电压分支上各节点待预测时刻的电网相关的多源数据进行特征融合,得到各电压分支待预测时刻的融合特征;将各电压分支待预测时刻的融合特征输入预先训练好的预测模型中,得到各电压等级的线损预测结果;其中,预测模型至少包括多个分压预测分支,每个所述分压预测分支对应一个电压等级。本发明对多源数据进行特征融合,克服了数据层面依赖多源数据,异构性强,融合困难的问题,本发明采用预先训练好的预测模型,有效提高电网线损率预测精度,解决了现有机器学习方法依赖人工特征工程的问题。
技术关键词
分支
融合特征
线损预测方法
电压
深度学习算法
设备状态数据
校验规则
电气特征
动态校正
在线学习技术
节点
时序特征
机器学习方法
模块
能量守恒
特征工程
注意力机制
依赖人工
系统为您推荐了相关专利信息
跨模态融合特征
指标
交叉注意力机制
时间卷积网络
中间件
足底压力图像
足底压力数据
数据处理方法
高分辨率相机
融合特征