【技术实现步骤摘要】
本专利技术涉及模型修正，尤其涉及基于主动迁移学习的预测模型修正方法及装置、设备介质。
技术介绍
1、电力负荷预测是电力系统运营规划的关键所在，且对于避免出现停电至关重要。负荷预测的准确性会直接影响整个电力系统的成本和可靠性。
2、负荷预测的典型方法包括时间序列分析(如指数平滑法、自回归模型、滑动平均模型)、机器学习(如支持向量机、随机森林、神经网络)、深度学习(如lstm、gru)。典型方法的大体思路是利用历史负荷数据来预测未来的负荷值。
3、但负荷预测的典型方法对非线性关系的处理能力有限、大数据量计算复杂度高训练时间长，难以处理数据的突变和长时间依赖关系。
技术实现思路
1、基于此，有必要针对上述问题，提出基于主动迁移学习的预测模型修正方法及装置、设备介质，从而有效避免数据的突变、周围因素发生变化导致的预测结果不准确的问题。
2、为实现上述目的，本申请第一方面提供一种基于主动迁移学习的预测模型修正方法，所述方法包括：
3、获取历史观测数据集...
【技术保护点】
1.一种基于主动迁移学习的预测模型修正方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述采集当前观测数据，并将当前观测数据输入至所述预测数字孪生模型中进行预测及比较分析，得到所述预测数字孪生模型的第一预测误差大小，具体包括：
3.如权利要求1所述的方法，其特征在于，所述根据所述第一预测误差和当前观测数据对所述预测数字孪生模型进行主动迁移学习，得到修正后的预测数字孪生模型，具体包括：
4.如权利要求3所述的方法，其特征在于，所述根据当前观测数据对所述预测数字孪生模型进行主动迁移学习，得到修正后的预测数字孪生
【技术特征摘要】
1.一种基于主动迁移学习的预测模型修正方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述采集当前观测数据，并将当前观测数据输入至所述预测数字孪生模型中进行预测及比较分析，得到所述预测数字孪生模型的第一预测误差大小，具体包括：
3.如权利要求1所述的方法，其特征在于，所述根据所述第一预测误差和当前观测数据对所述预测数字孪生模型进行主动迁移学习，得到修正后的预测数字孪生模型，具体包括：
4.如权利要求3所述的方法，其特征在于，所述根据当前观测数据对所述预测数字孪生模型进行主动迁移学习，得到修正后的预测数字孪生模型，具体包括：
5.如权利要求4所述的方法，其特征在于，所述根据主动学习技术对当前观测数据进行第t次筛选，...
【专利技术属性】
技术研发人员：邢超，李国辉，奚鑫泽，何其多，吴家宝，王渝红，何鑫，王朋林，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
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。