[發明專利]一種基于深度學習與多源信息融合的飽和負荷空間分布精準預測方法

有效

• 申請號: 201810609803.5
• 申請日: 2018-06-13
• 公開（公告）號: CN108960488B
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 吳奎華;吳健;盧兆軍;孫偉;李琨;李勃;馮亮;楊波;梁榮;崔燦;楊揚;王洪偉;張曉磊;杜鵬;楊慎全;李昭;李凱;盧志鵬;綦陸杰;劉淑莉;龐怡君;劉釗;王耀雷;趙韌;馬潤澤;劉晟源;韓暢;黃民翔;楊莉;林振智
• 申請（專利權）人: 國網山東省電力公司經濟技術研究院;國網山東省電力公司;浙江大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 萬尾甜;韓介梅

本發明公開了一種基于深度學習與多源信息融合的飽和負荷空間分布精準預測方法，包括步驟：獲取已知飽和負荷密度的元胞特征與飽和負荷密度，得到負荷元胞樣本庫；分析空間負荷元胞多源信息的屬性，進行待測元胞的數據預處理；將用地性質分別代入到負荷元胞樣本庫數據和待測元胞的數據中；采用深度學習算法中的基于棧式降噪的自編碼器，選擇適當的激活函數，對數據進行網絡訓練及多屬性特征提取；輸入到回歸器內進行負荷的特征提取與負荷預測。本發明提出的基于深度學習與多源信息融合的飽和負荷空間分布精準預測方法，具有一定的可行性與有效性，在進行空間負荷預測時較傳統的算法提取性能更優。

技術領域

本發明涉及電力系統領域，特別是涉及一種基于深度學習與多源信息融合的飽和負荷空間分布精準預測方法。

背景技術

負荷預測在電力系統規劃中屬于基礎性工作。負荷預測結果是進行電力平衡的依據和基礎，對負荷的大小和位置分布進行較為精細的預測有利于配電網設備的合理優化配置，從而促進電力系統的精益化規劃。如何對負荷空間分布進行精準預測，是目前電力系統負荷預測中需要解決的問題。

基于地塊元胞進行供電區域內負荷大小與位置分布預測的空間負荷預測在配電網規劃中得到了廣泛應用，其中基于智能算法的負荷密度指標法基于實際的地塊樣本，克服了傳統方法對于規劃人員主觀經驗的依賴性，適合在用地規劃明確、元胞地塊樣本充足的情況下使用，其預測精度取決于是否對元胞屬性進行了充分挖掘和是否對元胞進行了正確分類。

發明內容

本發明的目的在于針對現有技術的不足，提供一種基于深度學習與多源信息融合的飽和負荷空間分布精準預測的方法。

本發明采用以下的技術方案：

一種基于深度學習與多源信息融合的飽和負荷空間分布精準預測的方法，包括如下步驟：

獲取已知飽和負荷密度的元胞特征與飽和負荷密度，得到負荷元胞樣本庫；

分析空間負荷元胞多源信息的屬性，根據待測元胞的特征，進行待測元胞的數據預處理；

將用地性質分別代入到負荷元胞樣本庫數據和待測元胞的數據中；

采用深度學習算法中的基于棧式降噪的自編碼器的網絡，選擇適當的激活函數，對數據進行網絡訓練及多屬性特征提取；

輸入到回歸器內進行負荷的特征提取與負荷預測。

上述技術方案中，所述的元胞特征包括元胞所在地的氣象特征、用地性質特征和區位特征。

所述的分析空間負荷元胞多源信息的屬性并進行數據預處理，包括：

根據地塊的不同用地性質，將樣本庫按用地性質分類分別開展預測，用地性質屬性不作為模型輸入，將其余屬性進行數據處理，這些屬性中包括結構化與非結構化的屬性，對于結構化屬性，以0-1二值邏輯、多值邏輯或數值表示，對于以文本為載體的非結構化屬性進行結構化處理。

采用深度學習算法中的基于棧式降噪自編碼器，選取ReLU函數作為SDAE網絡的激活函數，對網絡進行如下改造：

正向傳播：

反向傳播：

其中

其中

式中：x為輸入值，為第ly層的輸出值，為第ly層中輸出i對輸入j的權值，為第ly層中輸出i對輸入j的權值變化量，LY為總層數，E_sj為深度學習網絡中的損失函數；

此外，在SDAE頂層疊加一個回歸器，通過對SDAE進行訓練，即可輸出回歸的結果，開展空間負荷預測。

本發明提供的技術方案的有益效果：