[發明專利]配電網邊緣側負荷辨識方法、裝置和終端設備

在審

• 申請號: 202110989575.0
• 申請日: 2021-08-26
• 公開（公告）號: CN113919542A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 王鴻璽;申洪濤;陶鵬;石振剛;高波;李夢宇;張林浩
• 申請（專利權）人: 國網河北省電力有限公司營銷服務中心;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F16/2458;G06N3/08;H02J3/00
• 代理公司: 石家莊國為知識產權事務所 13120
• 代理人: 付曉娣

1.一種配電網邊緣側負荷辨識方法，其特征在于，包括：

獲取原始數據集，將所述原始數據集劃分為日負荷訓練數據集和日負荷驗證數據集；所述原始數據集包含天氣數據、時間數據、歷史分時刻負荷數據以及日總負荷數據；

基于所述日負荷訓練數據集對日總負荷預測模型進行訓練，以及基于訓練后的日總負荷預測模型確定目標日的日總負荷預測值；計算所述時間數據、天氣數據與所述日總負荷預測值之間的關聯程度，刪除關聯程度小于閾值的數據，得到層間過渡數據集；基于所述層間過渡數據集訓練分時刻負荷預測模型；

基于訓練后的日總負荷預測模型和分時刻負荷預測模型，對預測日的總負荷值和每隔預設時長的多個負荷值進行預測。

2.根據權利要求1所述的配電網邊緣側負荷辨識方法，其特征在于，所述于所述日負荷訓練數據集對日總負荷預測模型進行訓練，包括：

設置日總負荷預測模型的隱藏層層數的初始值，隱藏層每層的節點數的初始值，在訓練過程中根據所述日總負荷預測模型的收斂情況以及預測效果對隱藏層和節點數進行試湊；

設置所述日總負荷預測模型的激活函數、迭代次數和初始學習率；

所述日總負荷預測模型根據所述激活函數正向計算各層節點輸入值和神經節點傳播權重，根據反向傳播算法反饋誤差對神經節點傳播權值進行更新優化，直至超出所述迭代次數之前所述日總負荷預測模型的損失函數值收斂，其中，所述損失函數為預測值與實際值的差值；

所述日總負荷預測模型的輸入節點包括日最高溫度、最低氣溫、日平均氣溫、相對濕度、降雨量、周幾、是否節假日以及過去一周內每隔預設時長采集一次的多個歷史負荷值信息，輸出節點為預測日的日總負荷。

3.根據權利要求2所述的配電網邊緣側負荷辨識方法，其特征在于，所述節點數的設置公式為：

其中，n₁代表初始隱藏層節點數，n代表預測網絡輸入層節點數，m代表預測日總負荷網絡輸出層節點數，c∈[1,10]的自然數。

4.根據權利要求1所述的配電網邊緣側負荷辨識方法，其特征在于，所述計算所述時間數據、天氣數據與所述日總負荷預測值之間的關聯程度，包括：

將天氣數據和時間數據表示為多維特征輸入變量X＝(X₁,X₂,…,X_M)，輸出歷史分時刻負荷序列中的峰值為Y，輸入變量每個維度變量X_i與輸出Y之間的互信息值為MI(X_i,Y)：

其中，ψ函數為Psi(Digamma)函數，ψ函數的自變量n為X與Y合并數據集的總樣本數量，n_x(i)表示數據集X中距離X與Y合并數據集中第i個點X_i小于的近鄰點數，di為X_i與X_i的k近鄰之間的距離，n_y(i)表示數據集Y中距離X與Y合并數據集中第i個點X_i小于的近鄰點數；

將(X_i,Y)隨機分成s個互斥且近似的子集U1、U2、……、Us，去掉第j個子集Uj，由剩余子集組成數據集Ωremain_j，其中的輸入為X_ij，隨機置換Y得到Y_j,π,設定k∈[1,30]，k為整數，計算k取每一個值時，數據集Ωremain_j且j∈[1,s]中的X_ij與Y之間的互信息值MI(X_j,Y)，以及X_ij與Y_j,π之間的互信息值MI(X_j,Y_j,π)，并計算MI(X_j,Y)和MI(X_j,Y_j,π)的分布，對所述分布進行z檢驗，使z_k最大的k即為第i維輸入變量X_i對應的k值；z檢驗的公式為：

式中，μ_k和μ_k,π分別代表互信息MI(X_j,Y)和MI(X_j,Y_j,π)的均值，σ_k和σ_k,π分別代表MI(X_j,Y)和MI(X_j,Y_j,π)的標準差，N代表互信息值的個數；

根據互信息MI(X_i,Y)公式和確定的k值，計算每個維度變量X_i與輸出Y之間的關聯程度。