本發明提供了一種Lstm與Gcforest算法混合強化學習的配網變壓器負荷預測方法,該方法包括:首先,通過截取某段電網負荷數據構造數據集,輸入Lstm算法生成Lstm模型。接著,另截取一段電網數據其中包括工況及負荷數據。選取負荷數據構建Lstm數據集,輸入Lstm模型得到負荷預測結果。然后,將預測負荷結果與工況數據融合構造新的數據集,將數據集輸入Gcforest算法生成Gcforest模型。最后,將應用數據負荷數據集輸入Lstm模型得到負荷預測結果,將負荷預測結果與應用數據工況數據融合后輸入Gcforest模型得到最終應用負荷結果。通過Lstm循環神經網絡學習具有長短期依賴知識的能力,以及深度森林對非線性屬性特征提取的能力,在配變負荷預測場景中使用Lstm?Gcforest組合模型能夠更精準的預測配變負荷狀況。
聲明:
“Lstm與Gcforest算法混合強化學習的配網變壓器負荷預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)