【技术实现步骤摘要】
本专利技术涉及低电压预测，具体而言，涉及结合深度学习用于低电压预测的知识图谱平台及方法。
技术介绍
1、随着可再生能源，特别是分布式光伏发电系统在配电网中的渗透率日益提高，电网的运行特性正经历着深刻而复杂的变化。新能源的接入具有显著的间歇性和波动性，给电网的电压稳定带来了前所未有的挑战。低电压事件作为影响电能质量和供电可靠性的关键因素，其发生频率和不确定性也随之增加。因此，为了保障现代电网的安全、稳定运行，开发能够精准、实时预测低电压事件的智能化技术已成为行业内的迫切需求。就目前而言，现有模型更新技术在应对动态电网数据时存在明显局限。一方面，当电网产生新的运行数据时，采用将历史数据与新数据合并后对模型进行完全重新训练的方式，虽然能够保证模型性能，但其计算开销巨大、训练周期漫长，消耗大量的硬件资源，难以满足电网对模型快速迭代和准实时响应的要求。另一方面，若采用仅使用新数据对现有模型进行微调的策略，虽然训练效率高，但模型在学习新知识的过程中会严重遗忘之前已经掌握的历史数据规律，即遭遇灾难性遗忘问题。不仅导致模型在历史场景下的预测能力急剧退化...
【技术保护点】
1.结合深度学习用于低电压预测的知识图谱平台，其特征在于，包括：
2.根据权利要求1所述的结合深度学习用于低电压预测的知识图谱平台，其特征在于，所述构建结构化的低电压知识图谱，进一步包括：
3.根据权利要求2所述的结合深度学习用于低电压预测的知识图谱平台，其特征在于，所述构建结构化的低电压知识图谱进一步包括：
4.根据权利要求3所述的结合深度学习用于低电压预测的知识图谱平台，其特征在于，所述低电压预测模型，其具体训练步骤为：
5.根据权利要求4所述的结合深度学习用于低电压预测的知识图谱平台，其特征在于，所述训练步骤还包括...
【技术特征摘要】
1.结合深度学习用于低电压预测的知识图谱平台，其特征在于，包括：
2.根据权利要求1所述的结合深度学习用于低电压预测的知识图谱平台，其特征在于，所述构建结构化的低电压知识图谱，进一步包括：
3.根据权利要求2所述的结合深度学习用于低电压预测的知识图谱平台，其特征在于，所述构建结构化的低电压知识图谱进一步包括：
4.根据权利要求3所述的结合深度学习用于低电压预测的知识图谱平台，其特征在于，所述低电压预测模型，其具体训练步骤为：
5.根据权利要求4所述的结合深度学习用于低电压预测的知识图谱平台，其特征在于，所述训练步骤还包括：采用交叉熵作为所述损失值的计算函数，以评估所述低电压预测模型的预测结果与真实值之间的差异。...
【专利技术属性】
技术研发人员：黄红岩，范美鹏，龙璇，张俊，刘嘉敏，任琴，周灿，宋红英，周小华，刘红岩，舒文雄，
申请(专利权)人：国网四川省电力公司达州供电公司，
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。