一种基于深度迁移学习的理论线损率预测模型

发明专利有效专利

申请号：
CN201810999797.9
IPC分类号：G06Q10/04;G06Q50/06;G06N3/08
申请日期：
2018-08-30
申请人：
燕山大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度迁移学习的理论线损率预测模型
申请号	CN201810999797.9	申请日期	2018-08-30
法律状态	实质审查	申报国家	中国
公开/公告日	2018-12-28	公开/公告号	CN109102126A
优先权	暂无	优先权号	暂无
主分类号	G06Q10/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q10/00 行政；管理〔8，2012.01〕 G06Q10/04 预测或优化，例如线性规划、“旅行商问题”或“下料问题”〔2012.01〕	IPC分类号	G;0;6;Q;1;0;/;0;4;;;G;0;6;Q;5;0;/;0;6;;;G;0;6;N;3;/;0;8查看分类表>
申请人	燕山大学	申请人地址	河北省秦皇岛市海港区河北大街西段438号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	燕山大学	当前权利人	燕山大学
发明人	卢志刚;杨英杰;丁艺楠;顾媛媛;杨宇
代理机构	北京挺立专利事务所（普通合伙）	代理人	刘阳

摘要

本发明公开了一种基于深度迁移学习的理论线损率预测模型，涉及人工智能算法在电力系统应用的技术领域，本发明包括以下步骤:首先将训练好的深度线损率学习模型作为源模型，把训练好的底层的DBN深度信念网络直接迁移到待预测的模型中(冻结)。然后，为避免深度学习模型训练时陷入局部最优，引入迁移学习的概念，结合预测的数据，通过MMD方法度量源、目标数据的分布差异并筛选源训练数据，用筛选的训练数据微调已训练好的DNN深度神经网络，最终得到基于TDBN‑DNN的深度迁移学习模型。最后用电网运行数据作为模型输入来进行线损率预测；解决了在电网坚强、运行高效、节能环保的要求和智能电网的构建问题。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供