技術(shù)特征：

1.一種基于電力指數(shù)分析的電力預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)事先部署的各個(gè)電力狀態(tài)表征向量，與所述擬配對(duì)電力狀態(tài)表征向量之間的特征距離，確定所述目標(biāo)電力系統(tǒng)的電力狀態(tài)，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述電力狀態(tài)分類參照網(wǎng)絡(luò)中包括表征向量抽取參照模塊和分類參照模塊，對(duì)所述電力狀態(tài)分類參照網(wǎng)絡(luò)進(jìn)行一次重復(fù)調(diào)試時(shí)，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)中包括基礎(chǔ)表征向量抽取模塊和基礎(chǔ)決策模塊，對(duì)所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行一次重復(fù)調(diào)試時(shí)，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述通過(guò)所述第一基礎(chǔ)電力狀態(tài)表征向量和所述各個(gè)目標(biāo)簇質(zhì)心向量推理得到的第一基礎(chǔ)決策結(jié)果，包括：

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)中包括過(guò)程表征向量抽取模塊和過(guò)程決策模塊，對(duì)所述過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行一輪遷移學(xué)習(xí)調(diào)試時(shí)，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述通過(guò)所述第一參照電力狀態(tài)表征向量與所述過(guò)程電力狀態(tài)表征向量之間的誤差，以及通過(guò)所述過(guò)程決策結(jié)果與所述第三電力數(shù)據(jù)學(xué)習(xí)樣例對(duì)應(yīng)的電力狀態(tài)訓(xùn)練指示信息之間的誤差，優(yōu)化所述過(guò)程電力狀態(tài)分類網(wǎng)絡(luò)的網(wǎng)絡(luò)可學(xué)習(xí)變量，包括：

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)進(jìn)行一輪遷移學(xué)習(xí)調(diào)試時(shí)，包括：

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)中包括基礎(chǔ)表征向量抽取模塊和基礎(chǔ)決策模塊，所述將所述第四電力數(shù)據(jù)學(xué)習(xí)樣例加載到所述基礎(chǔ)電力狀態(tài)分類網(wǎng)絡(luò)，獲得抽取的第二基礎(chǔ)電力狀態(tài)表征向量和預(yù)估的第二基礎(chǔ)決策結(jié)果，包括：

10.一種電力預(yù)測(cè)系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┮环N基于電力指數(shù)分析的電力預(yù)測(cè)方法及系統(tǒng)，在網(wǎng)絡(luò)調(diào)試時(shí)，基礎(chǔ)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)可以模仿目標(biāo)對(duì)照網(wǎng)絡(luò)的特征加工性能，而且令基礎(chǔ)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)可以模仿目標(biāo)對(duì)照網(wǎng)絡(luò)的特征值分布情況，那么通過(guò)調(diào)試后的目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)中的表征向量抽取模塊生成的目標(biāo)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)，可以精確地抽取電力狀態(tài)表征向量，且目標(biāo)電力狀態(tài)檢測(cè)網(wǎng)絡(luò)在建立環(huán)節(jié)不需要多余的訓(xùn)練數(shù)據(jù)，降低了網(wǎng)絡(luò)調(diào)試的成本，提高了效率，進(jìn)一步而言，因目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)是通過(guò)遷移學(xué)習(xí)調(diào)試得到，那么目標(biāo)電力狀態(tài)分類網(wǎng)絡(luò)可以通過(guò)精巧小模型實(shí)現(xiàn)復(fù)雜大模型的數(shù)據(jù)分析能力，降低了對(duì)部署設(shè)備的硬件環(huán)境要求，節(jié)約了算力和部署成本。

技術(shù)研發(fā)人員：王銳,楊科,李云龍,汪道萍,尹偉,鮮鑫,胡志剛,胡曉,樊曉倩,胡渝嘉
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)四川省電力公司涼山供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2