申请/专利权人:淮阴师范学院;国网江苏省电力有限公司淮安供电分公司;南京笃力科技有限公司;上海浦源科技有限公司
申请日:2023-11-29
公开(公告)日:2024-03-22
公开(公告)号:CN117743845A
主分类号:G06F18/214
分类号:G06F18/214;G06F18/15;G06F18/213;G06N3/096;H02J3/00;G06Q10/04;G06Q50/06
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于改进迁移学习的负荷预测模型增量训练方法,涉及负荷预测模型增量训练领域,包括获取电网历史数据,采用迁移学习方法划分源域和目标域,计算所述目标域和源域数据的最大均值差异值,划分所述源域数据并得到源域子集;通过所述源域子集对源域模型进行分层训练,固定不同网络层参数,保存源域模型参数;将所述源域模型参数迁移至目标域中,采用目标域数据对所述源域模型参数进行微调,得到目标域模型;载入目标域模型,将负荷影响因素归一化并重塑成三维矩阵,输入到所述目标域模型中,将输出值反归一化得到负荷预测值。本发明采用分层级迁移学习算法,缩短模型训练时间,提高了预测模型的训练效率和负荷预测精度。
主权项:1.一种基于改进迁移学习的负荷预测模型增量训练方法,其特征在于:包括:获取电网历史数据,采用迁移学习方法划分源域和目标域,计算所述目标域和源域数据的最大均值差异值,划分所述源域数据并得到源域子集;通过所述源域子集对源域模型进行分层训练,固定不同网络层参数,保存源域模型参数;将所述源域模型参数迁移至目标域中,采用目标域数据对所述源域模型参数进行微调,得到目标域模型;载入目标域模型,将负荷影响因素归一化并重塑成三维矩阵,输入到所述目标域模型中,将输出值反归一化得到负荷预测值。
全文数据:
权利要求:
百度查询: 淮阴师范学院;国网江苏省电力有限公司淮安供电分公司;南京笃力科技有限公司;上海浦源科技有限公司 一种基于改进迁移学习的负荷预测模型增量训练方法
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。