基于迁移学习与Transformer神经网络在突发情况下的电力负荷预测方法

    公开(公告)号:CN117650504A

    公开(公告)日:2024-03-05

    申请号:CN202311292908.X

    申请日:2023-09-28

    Abstract: 本发明公开了一种基于迁移学习与Transformer神经网络在突发情况下的电力负荷预测方法,该方法包括如下步骤:S1:对获得不同省份的经济因素数据进行预处理,划分出用于预训练的数据集和用于微调的目标数据集;S2:对Transformer神经网络进行初始化训练,获得初始化的权重数据,保存用于后续的微调;S3:对预训练好的Transformer神经网络进行微调,获得迁移学习后的Transformer神经网络;S4:找到预测效果最好的一组超参数;S5:基于多种机器学习算法,与Transformer神经网络的迁移学习效果进行检验;利用预测后的误差统计数据,找到基于迁移学习的Transformer神经网络的最优预测模型,并用于突发情况下的电力需求的预测。本发明的方法能够更加准确地进行电力负荷预测,且适应范围广。

    一种绿化带施工装置及施工方法
    7.
    发明公开

    公开(公告)号:CN119488011A

    公开(公告)日:2025-02-21

    申请号:CN202411949721.7

    申请日:2024-12-27

    Abstract: 本发明涉及松土设备技术领域,具体涉及一种绿化带施工装置及施工方法,绿化带施工装置包括移动车体,所述移动车体上转动连接有松土装置,所述松土装置包括驱动电机和多根转轴,所述驱动电机能够驱动多根转轴同步转动,所述转轴沿前后方向延伸,所述转轴上设有第一凸轮机构和第二凸轮机构,所述第二凸轮机构位于第一凸轮机构的前方,转轴转动能够带动第一凸轮机构和第二凸轮机构同步反向转动;第一凸轮机构包括第一凸轮,第一凸轮的前侧设有第一斜面,第二凸轮机构包括第二凸轮,第二凸轮的后侧设有第二斜面;第一斜面和第二斜面均沿左右方向倾斜,第一斜面与第二斜面的倾斜方向相反,能使硬质土壤更容易破碎,提高松土效果。

Patent Agency Ranking