[發明專利]一種基于組合賦權法和深度學習的配電網線損計算方法

有效

• 申請號: 202110045657.X
• 申請日: 2021-01-14
• 公開（公告）號: CN112883633B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 楊冬鋒;付強;劉曉軍;姜超
• 申請（專利權）人: 東北電力大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08
• 代理公司: 長春市吉利專利事務所(普通合伙) 22206
• 代理人: 李曉莉

1.一種基于組合賦權法和深度學習的配電網線損計算方法，其特征是：包括以下步驟，并且以下步驟順次進行，

步驟一、選取電氣參數作為原始特征集，對各電氣參數分別采集樣本數據，將上述電氣參數樣本數據和等值電阻法計算得到的理論線損按歸一化公式進行歸一化處理，分別獲得歸一化值，歸一化公式為：

公式中：x'_i為第i種電氣參數實際值；x_i為歸一化值；

步驟二、構建深度學習門控循環單元GRU網絡計算模型，確定最優GRU網絡計算模型的激活函數、隱含層層數和神經元個數；

步驟三、通過步驟一中獲得的各電氣參數的歸一化值以及等值電阻法計算得到的理論線損，基于層次分析法和互信息理論相結合的組合賦權法，利用電氣參數對理論線損的影響權重公式計算并獲得組合賦值權重，

按照權重從大到小的順序構建不同數目的電氣參數作為輸入集，分別對GRU網絡的理論線損計算模型進行訓練測試和驗證，將線損計算結果誤差最小的電氣參數集確定為最優輸入參數集，

其中，各項電氣參數對理論線損的影響權重λ_i為

λ_i＝εW_i+(1-ε)γ_i

式中：ε為層次分析法獲得的權重占組合法的比重，取0.5；i為第i種電氣參數；γ_i為互信息理論獲得的各項電氣參數權重；W_i為層次分析法獲得的各項電氣參數權重；

步驟四、根據步驟三中獲得的各項電氣參數權重獲得最終的深度學習門控循環單元GRU網絡計算模型，

實用時，按照最優輸入參數集對新采集的線路參數組成輸入集，并將此輸入集作為GRU網絡的理論線損計算模型的輸入，利用步驟三訓練好的GRU網絡的理論線損計算模型，計算并獲得相應線路的線損數值，

以等值電阻法的計算結果為參考，按計算結果誤差小于設定閾值進一步確定基于GRU網絡的配電網理論線損計算方法的有效性。

2.根據權利要求1所述的一種基于組合賦權法和深度學習的配電網線損計算方法，其特征是：所述步驟一中選取的電氣參數包括月有功供電量、月無功供電量、線路總長度、主干線路長度、分支線路長度、配電變壓器容量和線路等效截面積。

3.根據權利要求1所述的一種基于組合賦權法和深度學習的配電網線損計算方法，其特征是：所述步驟二中的GRU網絡計算模型公式如下：

r_t＝sigmoid(w_rhh_t-1+w_rxx_t+b_r)

z_t＝sigmoid(w_zhh_t-1+w_zxx_t+b_z)

g_t＝tanh(w_gh(r_t·h_t-1)+w_gxx_t+b_g)

h_t＝(1-z_t)·h_t-1+z_t·g_t

式中：w_rh、w_rx為重置門權重；w_zh、w_zx為更新門權重；w_gh、w_gx為形成當前記憶狀態g_t時的權重；b_r、b_z、b_g為偏置矩陣；sigmoid、tanh為激活函數；運算符“·”表示向量的內積。

4.根據權利要求1所述的一種基于組合賦權法和深度學習的配電網線損計算方法，其特征是：所述步驟二中基于GRU網絡理論線損計算模型的激活函數采用sigmoid函數和tanh函數。