首页> 中国专利> 一种基于多任务深度学习的最优潮流计算方法

一种基于多任务深度学习的最优潮流计算方法

页面导航

摘要
著录项
相似文献

摘要

本发明涉及到智能电网领域，提出了一种基于多任务深度学习的最优潮流计算方法，步骤如下：获取电网在某一调度时刻的状态数据，通过采样方式对采集到的数据样本进行扩增，得到训练数据；应用最优化方法获得不同采样状态下的电网调度方案，得到训练数据的标签信息；设计深度学习神经网络模型，对最优潮流计算问题的可行性、最优解分别进行学习，输出可行性判断和最优解预测；基于多任务学习框架，对最优潮流计算问题中的可行性判断与最优解预测两个任务同时训练；根据多任务深度学习模型的输出结果，判断是否存在可行的调度方案，输出最优调度方案或预警信息。本发明不仅能够更高效地求解调度方案，而且能够对不存在可行调度方案的场景进行预警。

著录项

公开/公告号CN113283547B

专利类型发明专利
公开/公告日2021-11-23

原文格式PDF
申请/专利权人之江实验室;
展开▼

申请/专利号CN202110826171.X
发明设计人黄刚;廖龙飞;华炜;
展开▼

申请日2021-07-21
分类号G06K9/62(20060101);G06N3/04(20060101);H02J3/00(20060101);
代理机构33213 杭州浙科专利事务所(普通合伙);
代理人孙孟辉
地址 310023 浙江省杭州市余杭区文一西路1818号人工智能小镇10号楼
入库时间 2022-08-23 12:50:10

相似文献

专利
中文文献
外文文献

1. 一种基于多任务深度学习的最优潮流计算方法 [P] . 中国专利： CN113283547B . 2021.11.23
2. 一种基于深度学习的小水电群区域配网最优潮流获取方法 [P] . 中国专利： CN113158573A . 2021-07-23
3. FULL-LINEAR MODEL FOR OPTIMAL POWER FLOW OF INTEGRATED POWER AND NATURAL-GAS SYSTEM BASED ON DEEP LEARNING METHODS [P] . 美国专利： US2020257971A1 . 2020-08-13

机译：基于深度学习方法的天然气与天然气综合发电系统最优潮流全线性模型
4. Method for assessing aesthetic quality of natural image based on multi-task deep learning [P] . 美国专利： US10685434B2 . 2020-06-16

机译：基于多任务深度学习的自然图像美学质量评估方法
5. METHOD FOR ASSESSING AESTHETIC QUALITY OF NATURAL IMAGE BASED ON MULTI-TASK DEEP LEARNING [P] . 美国专利： US2019026884A1 . 2019-01-24

机译：基于多任务深度学习的自然图像美学质量评估方法