-
公开(公告)号:CN115828768A
公开(公告)日:2023-03-21
申请号:CN202211697563.1
申请日:2022-12-28
Applicant: 华南理工大学
IPC: G06F30/27 , G06F113/04 , G06F119/06
Abstract: 本发明公开了一种数据驱动的配电网无功功率预测方法。所述方法包括以下步骤:整理数据资料,确定输入特征变量集合X和输出目标变量集合y,构建特征选择网络;构建基于长短期记忆的序列到序列循环神经网络架构;对多因素多维历史输入时间序列构建注意力机制,引入门控残差块,对有功和无功功率构建多任务学习机制,完成配电网无功功率预测模型f的构建;估计配电网无功功率预测模型f参数θ,输出无功功率预测值本发明设计数据驱动的神经网络算法架构,建立反映输入特征和输出目标变量之间映射关系的配电网无功功率预测模型,以应对配电网无功功率吸收或放出量的波动性、满足配电网对准确无功功率预测效果的紧迫需求。
-
公开(公告)号:CN117335407A
公开(公告)日:2024-01-02
申请号:CN202311385760.4
申请日:2023-10-24
Applicant: 广东电网有限责任公司中山供电局 , 南方电网科学研究院有限责任公司 , 华南理工大学
IPC: H02J3/00 , G06F18/2415 , G06F18/2431 , G06F18/27 , G06F18/213 , G06N3/0442 , G06N3/045 , G06Q50/06 , G06F123/02
Abstract: 本申请公开了一种配用电系统多元负荷预测方法及相关装置,方法包括:将配用电系统负荷目标新数据和历史源数据构成的数据向量输入预设长短时记忆网络中进行特征提取,得高维隐含特征向量;采用基于全连接前馈神经网络和预设回归误差指标构建的多元负荷预测器对高维隐含特征向量进行负荷预测,得到负荷预测值;采用基于全连接前馈神经网络和预设分类误差指标构建的域分类器对高维隐含特征向量进行域分类操作,得到数据域类别,数据域类别包括源域和目标域。此过程中充分利用历史数据挖掘其与新数据之间的数理统计特性关联。因此,本申请能解决现有技术需要海量数据资源,忽略了实际负荷数据特性的改变,导致实际负荷预测效率低且效果差的技术问题。
-