【技术实现步骤摘要】
本申请涉及电力系统预测，特别是涉及一种电力系统数据预测方法、装置、设备、介质和计算机产品。
技术介绍
1、随着电力系统规模的不断扩大，电力系统数量维度的增加，在电力系统用于预测市场价格、电力负荷和电力设备状态等电力系统状态的预测模型中，模型需要处理的数据量也不断增加。
2、现有技术在使用预测模型对电力系统的状态进行预测时，会通过梯度下降算法对预测模型的模型参数不断更新，以求解预测模型的损失函数最小值对应的模型参数，实现对预测模型的训练。然而，现有技术的预测模型训练方法训练速度慢、时间长，且训练得到的预测模型稳定性低，适应性不强，预测效果不好。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种电力系统数据预测方法、装置、设备、介质和计算机产品。
2、第一方面，本申请提供了一种电力系统数据预测方法，包括：
3、获取电力系统的实时特征数据；
4、确定目标预测模型，其中，目标预测模型通过动量参数优化算法和均方根传递算法对训练样本进行组合训练得到，训练样本包括历史特征数据和历史电力系统状态数据；
5、将实时特征数据输入目标预测模型，得到电力系统状态预测数据。
6、在其中一个实施例中，确定目标预测模型，包括：
7、获取初始预测模型，将训练样本输入初始预测模型，并基于动量参数优化算法对初始预测模型进行迭代训练，得到更新后的预测模型；
8、获取算法切换系数，在算法切换系数小于预设阈值的情况下，
9、将训练样本输入更新后的预测模型，并基于均方根传递算法进行迭代训练，得到目标预测模型。
10、在其中一个实施例中，在算法切换系数小于预设阈值的情况下，将动量参数优化算法切换为均方根传递算法，包括：
11、获取更新后的预测模型对应的更新后的梯度参数；
12、对动量参数和更新后的梯度参数进行梯度参数平方数的指数加权平均运算，得到二阶梯度参数；
13、根据二阶梯度参数对更新后的模型参数进行迭代更新，得到目标预测模型的目标模型参数。
14、在其中一个实施例中，基于动量参数优化算法对初始预测模型进行迭代训练，得到更新后的预测模型，包括：
15、获取初始预测模型的初始模型参数、初始梯度参数和动量参数；
16、对动量参数和初始梯度参数进行指数加权平均运算，得到梯度累加参数；
17、根据梯度累加参数迭代更新初始模型参数，得到更新后的模型参数；对初始预测模型配置更新后的模型参数，得到更新后的预测模型。
18、在其中一个实施例中，获取算法切换系数，包括：
19、将历史特征数据输入更新后的预测模型，得到状态预测数据；
20、计算历史电力系统状态数据和状态预测数据的均方误差，得到损失值，根据损失值确定算法切换系数。
21、在其中一个实施例中，根据损失值确定算法切换系数，包括：根据损失值计算预设迭代次数内的平均损失值，得到算法切换系数。
22、第二方面，本申请还提供了一种电力系统数据预测装置，包括：
23、数据获取模块，用于获取电力系统的实时特征数据；
24、模型确定模块，用于确定目标预测模型，其中，目标预测模型通过动量参数优化算法和均方根传递算法对训练样本进行组合训练得到，训练样本包括历史特征数据和历史电力系统状态数据；
25、预测模块，用于将实时特征数据输入目标预测模型，得到电力系统状态预测数据。
26、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
27、获取电力系统的实时特征数据；
28、确定目标预测模型，其中，目标预测模型通过动量参数优化算法和均方根传递算法对训练样本进行组合训练得到，训练样本包括历史特征数据和历史电力系统状态数据；
29、将实时特征数据输入目标预测模型，得到电力系统状态预测数据。
30、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
31、获取电力系统的实时特征数据；
32、确定目标预测模型，其中，目标预测模型通过动量参数优化算法和均方根传递算法对训练样本进行组合训练得到，训练样本包括历史特征数据和历史电力系统状态数据；
33、将实时特征数据输入目标预测模型，得到电力系统状态预测数据。
34、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
35、获取电力系统的实时特征数据；
36、确定目标预测模型，其中，目标预测模型通过动量参数优化算法和均方根传递算法对训练样本进行组合训练得到，训练样本包括历史特征数据和历史电力系统状态数据；
37、将实时特征数据输入目标预测模型，得到电力系统状态预测数据。
38、上述电力系统数据预测方法、装置、设备、介质和计算机产品，通过获取电力系统的实时特征数据；确定目标预测模型，其中，目标预测模型通过动量参数优化算法和均方根传递算法对训练样本进行组合训练得到，训练样本包括历史特征数据和历史电力系统状态数据；将实时特征数据输入目标预测模型，得到电力系统状态预测数据。由于不同的梯度下降算法可能对于预测模型的不同模型参数更新具有不同的效果，通过组合两种梯度下降算法进行模型训练，可以利用它们各自的优势，加速模型的收敛速度。梯度下降算法也容易陷入局部最优解，而无法找到全局最优解，通过组合不同的梯度下降算法，可以克服局部最优问题，提高模型训练的质量和效果。同时，使用单一的梯度下降算法可能对模型训练数据的分布或噪声敏感，通过组合两种算法对预测模型进行训练，可以增强模型的鲁棒性，使预测模型更好地适应不同类型的输入数据，并减少异常值对预测模型的影响。
本文档来自技高网...【技术保护点】
1.一种电力系统数据预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定目标预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述在所述算法切换系数小于预设阈值的情况下，将所述动量参数优化算法切换为所述均方根传递算法，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述动量参数优化算法对所述初始预测模型进行迭代训练，得到更新后的预测模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述获取算法切换系数，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述损失值确定所述算法切换系数，包括：根据所述损失值计算预设迭代次数内的平均损失值，得到所述算法切换系数。
7.一种电力系统数据预测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种电力系统数据预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定目标预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述在所述算法切换系数小于预设阈值的情况下，将所述动量参数优化算法切换为所述均方根传递算法，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述动量参数优化算法对所述初始预测模型进行迭代训练，得到更新后的预测模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述获取算法切换系数，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述损失值确定所述算法...
【专利技术属性】
技术研发人员：谢志成，邓军，周海滨，伍衡，崔彦捷，潘志城，王竣，张良，陈伟，王奇，彭翔，庄池杰，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司电力科研院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。