申请/专利权人：长江勘测规划设计研究有限责任公司

申请日：2023-09-28

公开（公告）日：2024-03-05

公开（公告）号：CN117650504A

主分类号：H02J3/00

分类号：H02J3/00;G06N3/096;G06N3/0442;G06Q10/04;G06Q50/06;G06F18/2135

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明公开了一种基于迁移学习与Transformer神经网络在突发情况下的电力负荷预测方法，该方法包括如下步骤：S1：对获得不同省份的经济因素数据进行预处理，划分出用于预训练的数据集和用于微调的目标数据集；S2：对Transformer神经网络进行初始化训练，获得初始化的权重数据，保存用于后续的微调；S3：对预训练好的Transformer神经网络进行微调，获得迁移学习后的Transformer神经网络；S4：找到预测效果最好的一组超参数；S5：基于多种机器学习算法，与Transformer神经网络的迁移学习效果进行检验；利用预测后的误差统计数据，找到基于迁移学习的Transformer神经网络的最优预测模型，并用于突发情况下的电力需求的预测。本发明的方法能够更加准确地进行电力负荷预测，且适应范围广。

主权项：1.一种基于迁移学习与Transformer神经网络在突发情况下的电力负荷预测方法，其特征在于，包括如下步骤：S1：对获得不同省份的经济因素数据进行预处理，划分出用于预训练的数据集和用于微调的目标数据集；S2：基于预训练的数据集，对Transformer神经网络进行初始化训练，获得初始化的权重数据，保存用于后续的微调；S3：基于目标数据集和步骤S2中的权重数据，对预训练好的Transformer神经网络进行微调，获得迁移学习后的Transformer神经网络；S4：改变步骤S2中Transformer神经网络的超参数组设置，并重复步骤S3，找到预测效果最好的一组超参数；S5：基于多种机器学习算法，与Transformer神经网络的迁移学习效果进行检验；利用预测后的误差统计数据，找到基于迁移学习的Transformer神经网络的最优预测模型，并用于突发情况下的电力需求的预测。

全文数据：

权利要求：

百度查询： 长江勘测规划设计研究有限责任公司 基于迁移学习与Transformer神经网络在突发情况下的电力负荷预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD