一种基于图卷积神经网络和迁移学习的电网负荷预测方法
基本信息
| 申请号 | CN202011569261.7 | 申请日 | - |
| 公开（公告）号 | CN112613666A | 公开（公告）日 | 2021-04-06 |
| 申请公布号 | CN112613666A | 申请公布日 | 2021-04-06 |
| 分类号 | G06Q50/06(2012.01)I;G06Q10/04(2012.01)I;G06N3/08(2006.01)I;G06N3/04(2006.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 林巍然;吴志滔 | 申请（专利权）人 | 福建维力能源科技有限公司 |
| 代理机构 | 南京金宁专利代理事务所（普通合伙） | 代理人 | 林燕辉 |
| 地址 | 350000福建省福州市马尾区兆锵路33号金澜大厦附属楼B区3A03号(自贸试验区内) | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于图卷积神经网络和迁移学习的电网负荷预测方法。针对电网负荷数据的时空特性，采用图卷积网络并结合迁移学习方法，设计了一种适用于大范围区域的电网负荷预测方法。本发明首先将整个电网按区域划分成为多个子区域并单独为每个子区域构建模型进行预测。在模型构建中，采用动态时间规整算法融合时间相似性，利用电网拓扑结构引入图卷积网络提取空间特征，在时域上通过卷积操作提取时间特征，并利用迁移学习方法训练不同区域的网络模型。本发明方法可减少云端服务器的计算压力，提升了电网负荷预测的准确性，减少模型训练的时间。 |
