发明公开
CN115049136A 一种变压器负荷预测方法
审中-实审
- 专利标题: 一种变压器负荷预测方法
-
申请号: CN202210718631.1申请日: 2022-06-23
-
公开(公告)号: CN115049136A公开(公告)日: 2022-09-13
- 发明人: 晏坤 , 甘景福 , 田新成 , 卢泽汉 , 程德才 , 彭小磊 , 杜鹏 , 薛帅 , 蒋小超 , 艾洪克 , 马亚运 , 高黎明 , 谭会征 , 王东蕊 , 陈治宇 , 苗琪鹏 , 闫瑞涛
- 申请人: 国网冀北电力有限公司唐山供电公司 , 国家电网有限公司
- 申请人地址: 河北省唐山市建设北路7号;
- 专利权人: 国网冀北电力有限公司唐山供电公司,国家电网有限公司
- 当前专利权人: 国网冀北电力有限公司唐山供电公司,国家电网有限公司
- 当前专利权人地址: 河北省唐山市建设北路7号;
- 代理机构: 唐山顺诚专利事务所
- 代理商 高艳梅
- 主分类号: G06Q10/04
- IPC分类号: G06Q10/04 ; G06Q50/06 ; H02J3/00 ; G06K9/62 ; G06N3/08
摘要:
本发明涉及一种变压器负荷预测方法,属于电力负荷预测方法技术领域。本发明的技术方案是:以变压器历史日负荷曲线为原始样本,利用改进的聚类算法识别并剔除其中异常负荷曲线,得到几类典型日负荷曲线样本,从筛选后的几类样本中每类均取近似数量样本构成神经网络训练集,对神经网络进行训练并建立变压器日负荷曲线的准确预测模型。本发明的有益效果是:排除异常数据样本对神经网络的干扰,并同时实现可用样本的筛选与分类,减小训练样本规模同时不遗漏样本数较小的类别,达到更小的训练样本规模包含更多有用特征的目的,从而提高神经网络运算速度,同时提升预测模型泛化性能和预测精度,实现对变压器日负荷更为精确的预测。