CN119514811A 一种基于组合神经网络的无功需求预测方法和系统 （国网上海市电力公司）_第1页
CN119514811A 一种基于组合神经网络的无功需求预测方法和系统 （国网上海市电力公司）_第2页
CN119514811A 一种基于组合神经网络的无功需求预测方法和系统 （国网上海市电力公司）_第3页
CN119514811A 一种基于组合神经网络的无功需求预测方法和系统 （国网上海市电力公司）_第4页
CN119514811A 一种基于组合神经网络的无功需求预测方法和系统 （国网上海市电力公司）_第5页
已阅读5页，还剩20页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号一种基于组合神经网络的无功需求预测方本发明公开了一种基于组合神经网络的无络与门控循环单元组合的方式构建无功需求预模型；获取无功负荷特征实时数据并进行预处2获取无功负荷特征历史数据并进行预处理，将预处理后的数据划分为训练集和测试采用卷积神经网络与门控循环单元组合的方式构建无功需求预测模基于所述损失函数，采用训练集和测试集对无功需求预测模型进行训练为学习器i迭代后单点输出与期望误差；为学习器j迭代后单点输出与期望误差；获取无功负荷特征实时数据并进行预处理，输入到将无功需求预测值反归一化，得到最终的无功需求预测值，并评价所述无功负荷特征历史数据包括有功负荷历史数据、无功负荷历史3所述卷积神经网络的输出均与其对应的门控循环单元连接；各门控循环单所述无功需求预测模型的训练过程中，通过残差经梯度下降反向传播采取平均绝对误差和均方根误差来评价无功需求预测模数据获取模块，用于获取无功负荷特征历史数据并进行预处理，将预处理后的模型构建模块，用于采用卷积神经网络与门控循环单元组合的方式构模型训练模块，用于基于所述损失函数，采用训练集和测试集对无功迭代预测模块，用于获取无功负荷特征实时数据并进行预处理，输所述处理器用于根据所述指令进行操作以执行根据权利要求1_7任一项所述方法的步4基于所述损失函数，采用训练集和测试集对无功需求预测模型进行训练和测试，获取无功负荷特征实时数据并进行预处理，输入到训练完成的无功需求预测模5得到数据特征的概率分布；全连接层利用逻辑回归函数对数据特征的概率分布进行分类，式中，为损失函数，f为学习器输出，:为输入层输入的预处理后的为学习器i迭代后单点输出与期望误差；为学习器j迭代后单点输出与期望误差。67所述无功需求预测模型包括卷积神经网络及门控8为平均误差中单点输出与期望误差；为各学习器的协方差；为学习器i迭代后单点输出与期望误差；为学习器j迭代后单点输出与期望误差。9[0036]进一步地，本发明采取平均绝对误差和均方根误差来评价无功负荷预测模型效[0047]计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形[0048]这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论