基于AL-BILSTMDN的输电线动态热极限概率预测OA北大核心CSTPCD

针对输电线动态热极限概率预测精度不足的问题,提出一种基于交替学习-双向长短时混合密度网络模型的动态热极限概率预测方法。该模型基于双向长短时混合密度网络抓取训练数据时序信息并实现动态热极限概率预测。同时,使用交替学习方法对时序数据集中的复杂模式数据进行强化学习,即区分出训练集中具有较为复杂模式的部分,让复杂模式训练集和全部训练集在模型中交替迭代直至最优,从而解决不平衡数据集混叠造成的局部最优问题。通过辽宁省某地区实例分析显示,所提模型可提升预测精度、降低过载概率。