一种Lstm与Gcforest算法混合强化学习的配网变压...
授权
摘要
本发明提供了一种Lstm与Gcforest算法混合强化学习的配网变压器负荷预测方法,该方法包括:首先,通过截取某段电网负荷数据构造数据集,输入Lstm算法生成Lstm模型。接着,另截取一段电网数据其中包括工况及负荷数据。选取负荷数据构建Lstm数据集,输入Lstm模型得到负荷预测结果。然后,将预测负荷结果与工况数据融合构造新的数据集,将数据集输入Gcforest算法生成Gcforest模型。最后,将应用数据负荷数据集输入Lstm模型得到负荷预测结果,将负荷预测结果与应用数据工况数据融合后输入Gcforest模型得到最终应用负荷结果。通过Lstm循环神经网络学习具有长短期依赖知识的能力,以及深度森林对非线性属性特征提取的能力,在配变负荷预测场景中使用Lstm‑Gcforest组合模型能够更精准的预测配变负荷状况。
基本信息
专利标题 :
一种Lstm与Gcforest算法混合强化学习的配网变压器负荷预测方法
专利标题(英):
暂无
公开(公告)号 :
CN110619107A
申请号 :
CN201910725756.5
公开(公告)日 :
2019-12-27
申请日 :
2019-08-07
授权号 :
CN110619107B
授权日 :
2022-04-12
发明人 :
徐健锋吴俊杰邹伟康王文国刘建模
申请人 :
南昌大学
申请人地址 :
江西省南昌市红谷滩新区学府大道999号
代理机构 :
北京众合诚成知识产权代理有限公司
代理人 :
许莹莹
优先权 :
CN201910725756.5
主分类号 :
G06F17/16
IPC分类号 :
G06F17/16 G06Q10/04 G06Q50/06 G06N20/00 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06F
电数字数据处理
G06F17/00
特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法
G06F17/10
复杂数学运算的
G06F17/16
矩阵或向量计算的
法律状态
2022-04-12 :
授权
2020-01-21 :
实质审查的生效
IPC(主分类) : G06F 17/16
申请日 : 20190807
申请日 : 20190807
2019-12-27 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载