基于迁移学习的电力系统能源供给预测方法及系统

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于迁移学习的电力系统能源供给预测方法及系统
申请号:CN202410783012
申请日期:2024-06-18
公开号:CN118822145B
公开日期:2025-02-11
类型:发明专利
摘要
本发明提供一种基于迁移学习的电力系统能源供给预测方法及系统,该方法包括如下步骤:缓存风险供电区域的区域实时电力数据;获取目标地区的地区供电拓扑数据和地区历史电力运转数据;结合多尺度卷积神经网络和迁移学习技术提取到电力运转时序特征;基于地区供电拓扑数据生成目标地区的地区电力图网络,并根据区域供电拓扑数据截取出风险供电区域的区域电力图网络;结合地区电力图网络和区域电力图网络并利用图神经网络提取出电力拓扑结构特征;将电力运转时序特征和电力拓扑结构特征融合为电力综合特征,并通过GCN‑LSTM预测模型输出风险供电区域的电力供给缺口预测结果。本发明具有准确预测电力供给缺口的效果。
技术关键词
时序特征 全局特征提取 拓扑结构特征 灰色预测模型 分层迁移学习方法 电力系统 电力调度系统 数据 局部特征提取 多尺度 网络 参数 ARMA模型 拓扑特征 LSTM模型 节点 风险