[發(fā)明專利]面向成本關(guān)聯(lián)抗效益偏差神經(jīng)網(wǎng)絡(luò)的高效訓(xùn)練方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201711408113.5
• 申請(qǐng)日: 2017-12-22
• 公開（公告）號(hào): CN108090557B
• 公開（公告）日: 2021-07-20
• 發(fā)明（設(shè)計(jì)）人: 賈德香;鄭厚清;王智敏;柳占杰;于灝;陳光;陳睿欣;王玓;劉素蔚;王廣輝;李偉陽;王鋒華;錢仲文;張旭東;成敬周;王政;宋國超;王征;寸馨;黃柏富;晏夢(mèng)璇;許方園;劉愛民;崔萬里;周小明;李廣翱;施明泰;李浩松;許中平;李金;康泰峰
• 申請(qǐng)（專利權(quán)）人: 國網(wǎng)能源研究院有限公司;國網(wǎng)浙江省電力有限公司;國網(wǎng)遼寧省電力有限公司;北京國網(wǎng)信通埃森哲信息技術(shù)有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08;G06Q10/04;G06Q50/06
• 代理公司: 北京八月瓜知識(shí)產(chǎn)權(quán)代理有限公司 11543
• 代理人: 馬東瑞

本發(fā)明提供了一種面向成本關(guān)聯(lián)抗效益偏差神經(jīng)網(wǎng)絡(luò)的高效訓(xùn)練方法及裝置，在神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化訓(xùn)練中關(guān)聯(lián)了成本因素，并采用高效的針對(duì)性算法進(jìn)行優(yōu)化訓(xùn)練。本發(fā)明兼顧了電力系統(tǒng)負(fù)荷申報(bào)的精確度和成本最優(yōu)值，保證應(yīng)用本發(fā)明提供的方法和裝置進(jìn)行電力負(fù)荷申報(bào)預(yù)測(cè)的預(yù)測(cè)結(jié)果既具有較為理想的精度，又可以有效降低成本、提升效益；同時(shí)有效了降低優(yōu)化訓(xùn)練過程迭代收斂的步數(shù)，提升神經(jīng)網(wǎng)絡(luò)模型降低成本的效果，輔助電力市場(chǎng)中各負(fù)荷申報(bào)決策者制定其市場(chǎng)負(fù)荷申報(bào)策略。

技術(shù)領(lǐng)域

本發(fā)明屬于電力系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)領(lǐng)域，尤其涉及一種面向成本關(guān)聯(lián)抗效益偏差神經(jīng)網(wǎng)絡(luò)的高效訓(xùn)練方法及裝置。

背景技術(shù)

電力系統(tǒng)的負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃的重要組成部分，也是電力系統(tǒng)經(jīng)濟(jì)系統(tǒng)運(yùn)行的基礎(chǔ)，對(duì)電力系統(tǒng)的規(guī)劃和運(yùn)行都極其重要。合理地進(jìn)行電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)對(duì)電力資源進(jìn)行調(diào)度和規(guī)劃的前提條件，通過準(zhǔn)確的負(fù)荷預(yù)測(cè)，可以合理安排機(jī)組啟停和檢修計(jì)劃，減少旋轉(zhuǎn)備用容量，降低發(fā)電成本。隨著技術(shù)進(jìn)步和智能電網(wǎng)的深入，電力負(fù)荷預(yù)測(cè)理論和技術(shù)已有很大的發(fā)展，但是現(xiàn)有預(yù)測(cè)技術(shù)均是以提高預(yù)測(cè)精度為目的，并沒有兼顧成本因素；另一方面，現(xiàn)有的電力負(fù)荷預(yù)測(cè)的優(yōu)化訓(xùn)練效率不高，迭代過程繁冗。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明提供一種面向成本關(guān)聯(lián)抗效益偏差神經(jīng)網(wǎng)絡(luò)的高效訓(xùn)練方法，包括：

S1.建立神經(jīng)網(wǎng)絡(luò)模型；

S2.設(shè)定對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化訓(xùn)練的優(yōu)化目標(biāo)；所述優(yōu)化目標(biāo)包括精度目標(biāo)和成本目標(biāo)兩部分,具體如下所示：

其中，Er表示精度目標(biāo)；Cos表示成本目標(biāo)；β表示罰項(xiàng)系數(shù)；Y為神經(jīng)網(wǎng)絡(luò)訓(xùn)練集的輸出矩陣，矩陣為O行K列的矩陣，矩陣第o行第k列的元素記為y_ok；PDA為上級(jí)市場(chǎng)的電價(jià)矩陣，矩陣第o行第k列的元素記為pda_ok；PRT為下級(jí)市場(chǎng)的電價(jià)矩陣，矩陣第o行第k列的元素記為prt_ok；T為神經(jīng)網(wǎng)絡(luò)訓(xùn)練集的真實(shí)負(fù)荷矩陣，矩陣第o行第k列的元素記為t_ok；Ac為Y與真實(shí)負(fù)荷之間的偏差向量；矩陣PDA、PRT、T、Ac均與矩陣Y為同型矩陣；ε(z)表示神經(jīng)元的激勵(lì)函數(shù)；δ(z)為一個(gè)階躍逼近函數(shù)；

S3.對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化訓(xùn)練，得到經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，具體包括：

S31.依據(jù)LM算法的優(yōu)化思想建立優(yōu)化訓(xùn)練方法，過程如下：

S311.建立優(yōu)化訓(xùn)練的自變量W_ih、W_ho、b_h、b_o的轉(zhuǎn)換變量X的矩陣表達(dá)形式，如下所示：

其中，函數(shù)L()將輸入矩陣中每一列按次序拼接至第一列下方，形成一個(gè)列向量輸出；X是一個(gè)(i*h+h*o+h+o)-1的向量，記為H-1的向量，其中，H＝i*h+h*o+h+o；

S312.構(gòu)建雅可比矩陣，如下所示：

其中，Q為訓(xùn)練集中樣本數(shù)量；

S313.計(jì)算優(yōu)化目標(biāo)的偏導(dǎo)數(shù)，如下所示：

其中，obj代表G；μ代表β；x_h表示X中第h個(gè)元素；e_q是Er中第q個(gè)元素，prtf_q表示L(PRT)中的第q個(gè)元素；pdaf_q表示L(PDA)中第q個(gè)元素；⊙表示矩陣的點(diǎn)乘；×表示矩陣的叉乘；