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。
声明:
“Lstm与Gcforest算法混合强化学习的配网变压器负荷预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)