[发明专利]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有效
| 申请号： | 201910725756.5 | 申请日： | 2019-08-07 |
| 公开（公告）号： | CN110619107B | 公开（公告）日： | 2022-04-12 |
| 发明（设计）人： | 徐健锋;吴俊杰;邹伟康;王文国;刘建模 | 申请（专利权）人： | 南昌大学 |
| 主分类号： | G06F17/16 | 分类号： | G06F17/16;G06Q10/04;G06Q50/06;G06N20/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 许莹莹 |
| 地址： | 330000 江西省*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 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。 | ||
| 搜索关键词： | 一种 lstm gcforest 算法 混合 强化 学习 变压器 负荷 预测 方法 | ||
【主权项】：
1.一种Lstm与Gcforest算法混合强化学习的配网变压器负荷预测方法，其特征在于：包括以下步骤：/n(1)从配网信息管理系统历史数据集中抽取某台变压器长度为n的负荷取值时间序列数据，记为
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南昌大学，未经南昌大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910725756.5/，转载请声明来源钻瓜专利网。
