【技术实现步骤摘要】
本申请涉及电力领域，具体而言，涉及一种模型的训练方法及装置、存储介质及电子装置。
技术介绍
1、电力市场化改革已在国内多个省份展开，在电力市场环境下，对电价预测问题的研究有着十分重要的现实意义。有效的电价预测可以向市场主体发出电力系统调节信号，有效调节电力系统平衡，建立电力系统的稳定和可持续发展，其对发电侧、需求侧、投资者以及市场监管机构等各方都具有重要的影响。
2、现在常用的电价预测方法主要分为统计学方法、机器学习方法和深度学习方法。与传统机器学习方法需要手动设计特征不同，深度学习可以自动学习特征表示。深度学习模型通过多层次的神经网络，可以从原始数据中学习到更加高级和抽象的特征表示，自动提取有用的特征，从而避免了复杂的特征工程。在电价预测场景中，与传统的时间序列方法相比，深度网络模型能够更好地捕捉到电价的复杂变化趋势。
3、尽管神经网络模型的具有较好的特征提取能力，但如果输入维度过高，可能会导致过拟合问题。
4、针对现有技术中，在模型训练的过程中，会存在过拟合的问题，目前尚未提出有效的解决方案。p>
5、因此，本文档来自技高网...
【技术保护点】
1.一种模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的模型的训练方法，其特征在于，根据所述第一向量和所述第二向量对所述预测模型进行训练，以得到训练好的预测模型之后，所述方法还包括：
3.根据权利要求2所述的模型的训练方法，其特征在于，通过所述第一降维模块将所述第一样本数据映射到表征空间，以及通过所述第二降维模块将所述第j个样本数据映射到所述表征空间，以得到降维后的第一向量和降维后的第j个向量之后，所述方法还包括：
4.根据权利要求3所述的模型的训练方法，其特征在于，根据所述第一向量和第2N个向量对所述预测模型进行训练之...
【技术特征摘要】
1.一种模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的模型的训练方法，其特征在于，根据所述第一向量和所述第二向量对所述预测模型进行训练，以得到训练好的预测模型之后，所述方法还包括：
3.根据权利要求2所述的模型的训练方法，其特征在于，通过所述第一降维模块将所述第一样本数据映射到表征空间，以及通过所述第二降维模块将所述第j个样本数据映射到所述表征空间，以得到降维后的第一向量和降维后的第j个向量之后，所述方法还包括：
4.根据权利要求3所述的模型的训练方法，其特征在于，根据所述第一向量和第2n个向量对所述预测模型进行训练之后，所述方法还包括：根据所述第三向量、所述第四向量和所述第一预测电价确定所述预测模型的损失函数是否收敛；
5.根据权利要求4所述的模型的训练方法，其特征在于，根据所述第三向量、所述第四向量和所述第一预测电价确定所述预测模型的损失函数是否收敛，包...
【专利技术属性】
技术研发人员：杨雪，黄思皖，史鉴恒，王宝岳，钟明，安娜，王春森，薛丽，张慧君，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司，
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。