[發明專利]一種基于深度置信網絡與權值共享的負荷預測方法

在審

• 申請號: 202010216927.4
• 申請日: 2020-03-25
• 公開（公告）號: CN111667090A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 王剛;楊曉靜;張志軍;王磊;劉玉坤;孫燦;李昂;孫嶠;李浩;王麗媛
• 申請（專利權）人: 國網天津市電力公司;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04
• 代理公司: 天津盛理知識產權代理有限公司 12209
• 代理人: 王來佳

1.一種基于深度置信網絡與權值共享的負荷預測方法，其特征在于，包括以下步驟：S1、建立深度置信網模型：

深度置信網絡以能量函數的方式描述整個系統狀態，v_i是可見層的第i個神經元的狀態，h_j是隱藏層的第j個神經元的狀態；深度置信網絡的能量函數為E(v,h)，聯合概率分布為P(v,h)；深度置信網絡的能量函數為E(v,h)，聯合概率分布為P(v,h)，Z為配分函數，表達式如下：

式中,a_i和b_j分別為第i個可視單元和第j個隱含單元的偏置，w_ij表示可視層第i個神經元與隱含層第j個神經元間的權值，n_v、n_h表示可視單元和隱含單元的數量；

通過計算最大化對數似然函數求得模型最優參數，v^t為已知的第t個輸入樣本，即：

S2、建立權值共享模型：

基于負荷量變化的計算方法為：

其中，x_i為第i時刻的負荷量，v為負荷量變化率；

在深度置信網絡模型中有n個RBM，因此需要建立與之匹配參數共享權值模型；

其中多個權重值之間在input的每個depth slice上共享；

S3、結合S1及S2建立基于深度置信網絡與權值共享的負荷預測模型。

2.根據權利要求1所述的一種基于深度置信網絡與權值共享的負荷預測方法，其特征在于，所述步驟S3中還包括以下子步驟：

A、收集并處理數據：

數據處理包括剔除修正數據和將數據分類進行模型訓練和測試優化；

B、設置輸入信息：

輸入數據包括：天氣數據，經濟數據，電網側信息和節假日信息；其中，天氣數據采用預測日期前一個月的最高溫度、最低溫度；法定節假日(以中國法定節假日作為基準)、工作日、周六和周日(部分企業單雙休制度不同)分別編碼；電網數據包含各企業的歷史負荷數據及該區域的停電檢修計劃；經濟數據為該地區的規模以上工業總產值、新興產業固定資產投資、從業人員數量、房地產投資相關數據；

C、選擇有效聚合方式：

采用relieff算法對任務聚合前后的特征進行分析，以此對任務的聚合效應及負荷特征進行分析，并對多種預測目標組合方式對比分析，其中組合方式包含了單獨任務，全部任務，隨機組合任務，負荷變化率方式選擇任務；根據負荷變化率趨勢聚合以后的絕大部分特征的特征重要度為正，在考慮多任務深度學習的權值共享方式進行訓練的情況下，基于負荷變化率的算法很好的剔除了部分無用特征，聚合后的多任務學習方式保留其中優秀的特征維度，并根據訓練誤差確定最終優先聚合方式；

D、形成最終優化模型：

設定誤差要求閾值，合理訓練模型，根據測試結果不斷循環優化模型，形成最終模型。