[發明專利]一種基于殘差卷積神經網絡實現溫度敏感負荷辨識方法

在審

• 申請號: 202110243979.5
• 申請日: 2021-03-05
• 公開（公告）號: CN112906303A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 傅質馨;溫順潔;朱俊澎;袁越
• 申請（專利權）人: 河海大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04;G06F113/04
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 向文

1.一種基于殘差卷積神經網絡實現溫度敏感負荷辨識方法，其特征在于：包括如下步驟：

S1：給出基于基準負荷比較法的敏感負荷分離模型，通過敏感負荷分離模型測算敏感負荷；

S2：分析實時氣溫與敏感負荷的關聯程度，篩選出敏感負荷中的溫度敏感負荷；

S3：對比線性回歸方式和非線性兩種回歸方式構建溫度敏感負荷與溫度的回歸模型，分別對溫度敏感負荷進行擬合，采用擬合度作為評價指標；

S4：根據評價指標，采用溫度敏感負荷與溫度的回歸模型構建動態溫度敏感負荷特征庫；

S5：基于溫度敏感負荷特征庫對卷積神經網絡模型進行訓練和測試，得到改進后的卷積神經網絡模型；

S6：采用改進后的卷積神經網絡模型對溫度敏感負荷進行辨識。

2.根據權利要求1所述的一種基于殘差卷積神經網絡實現溫度敏感負荷辨識方法，其特征在于：所述步驟S1中通過敏感負荷分離模型測算敏感負荷的過程為：

A1：采用日平均負荷最小的日負荷曲線作為基準負荷；

A2：假定所選定的日平均負荷最小的負荷曲線為L_W,d,h和L_K,d,h，其中，d代表日，h代表小時數，W代表工作日，K代表非工作日；

A3：用工作日和非工作日最小負荷曲線的平均值代表工作日和非工作日的基礎負荷曲線，具體表達式為

式中：n₁為工作日天數，n₂為非工作日天數；L_基礎W,h為工作日基礎負荷曲線，L_基礎K,h為非工作日基礎負荷曲線；

A4：工作日敏感負荷測算：在測算過程中敏感負荷均為正值，當某日某時實際負荷數值小于對應的基礎負荷數值時，敏感負荷設置為0；

工作日剩余負荷曲線L_剩余W,d,h與基礎負荷曲線L_基礎W,h相減，得到的差值是工作日敏感負荷曲線L_敏感W,d,h，公式為

L_敏感W,d,h＝L_剩余W,d,h-L_基礎W,h (3)

非工作日敏感負荷測算：非工作日剩余負荷曲線L_剩余K,d,h與基礎負荷曲線L_基礎K,h相減，得到的差值是非工作日敏感負荷曲線L_敏感K,d,h，公式為

L_敏感K,d,h＝L_剩余K,d,h-L_基礎K,h。 (4)

3.根據權利要求1所述的一種基于殘差卷積神經網絡實現溫度敏感負荷辨識方法，其特征在于：所述步驟S2中采用相關性系數分析實時氣溫與敏感負荷的關聯程度，計算公式如下：

式中：Cov(X,Y)表示變量X和變量Y的協方差，Var(X)和Var(Y)分別表示變量X和變量Y的方差。

4.根據權利要求1所述的一種基于殘差卷積神經網絡實現溫度敏感負荷辨識方法，其特征在于：所述步驟S3中對比線性回歸方式和非線性回歸方式，構建溫度敏感負荷與實時溫度回歸模型：

根據歷史數據，提出以下線性擬合公式為：

L_敏感d,h＝aT+b (6)

式中：L_敏感d,h為敏感負荷，T為對應溫度；a是自變量T的系數，b是常數項；

非線性擬合公式為：

L_敏感d,h＝aT²+bT+c (7)

式中：L_敏感d,h為敏感負荷，T為對應溫度；a是自變量T的二次項系數，b是自變量T的一次項系數，c是常數項；

利用這兩個公式分別對篩選得到的溫度敏感負荷高峰時段進行擬合，利用擬合度作為評價指標。