[發明專利]一種基于用電量數據和徑向基神經網絡的資源配置方法

在審

• 申請號: 202111075843.4
• 申請日: 2021-09-14
• 公開（公告）號: CN113822561A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 左強;何維民;錢旭盛;趙雙雙;尹澤然;王賀;劉穎;丁澤誠;楊美蓉;周家億;陳奕彤
• 申請（專利權）人: 國網江蘇省電力有限公司營銷服務中心;國網江蘇省電力有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q50/06
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 張紅蓮;王萍

1.一種基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，該方法包括以下步驟：

步驟1：獲取該地區企業用電量數據、歷史的產業數據以及地區天氣溫度數據，對數據進行清洗和整合，并區分訓練集和測試集；

步驟2：將訓練集數據作為徑向基神經網絡模型輸入，進行模型訓練，生成電力-產業預測模型；

步驟3：將測試集數據作為模型輸入，得到地區產業預測結果，利用資源優化算法進行資源的優化配置。

2.如權利要求1所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

步驟1包括：

步驟1.1：獲取該地區企業用電量數據、歷史的產業數據以及地區天氣溫度數據；

步驟1.2：對該地區企業用電量數據、歷史的產業數據以及地區天氣溫度數據進行清洗；

步驟1.3：對企業用電量數據、產業數據、地區天氣溫度數據統一進行對數差分處理并整合；

步驟1.4：將處理好的數據劃分為訓練集和測試集。

3.如權利要求2所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

步驟1.2中，數據清洗包括刪除嚴重缺失的企業用電量數據以及產業數據、使用中位數填補缺失的溫度數據。

4.如權利要求2所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

步驟1.3中，對企業用電量數據、產業數據、地區天氣溫度數據統一進行對數差分處理，統一為各自的增長率數據；整合轉換后的數據。

5.如權利要求1所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

步驟2中，將訓練集數據作為徑向基模型輸入，進行模型訓練，找到用電量數據、地區溫度數據與產業數據之間的關系，生成電力-產業預測模型。

6.如權利要求5所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

步驟2中，模型的輸入為用電量數據和溫度數據各自的增長率，輸出為產業發展增長率。

7.如權利要求5所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

步驟2包括：

步驟2.1：網絡初始化；

步驟2.2：設置激勵函數為高斯徑向基函數；

步驟2.3：采用最小均方誤差算法LMS計算輸出層的連接權值；

步驟2.4：若預測結果的均值與實際結果的均值差值大于給定閾值，需要重新調整隱含層神經元個數l，重新進行訓練，直到差值小于給定閾值。

8.如權利要求7所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

步驟2.1中，根據系統輸入輸出序列(X，Y)，確定網絡輸入層節點數n、隱含層神經元個數l、輸出層節點數q，初始化隱含層和輸出層之間的連接權值w_ij，初始化隱含層閾值，給定學習速率。

9.如權利要求8所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

輸入層節點數為輸入向量維數，輸入包括電力數據和溫度數據，則n＝2；輸出層節點數為輸出向量維數，輸出包括地區產業發展增長率，q＝1。

10.如權利要求7所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

步驟2.2中，高斯徑向基函數為：

其中，r表示樣本數據點和訓練數據點之間的距離，距離等于0時，徑向基函數等于1；常數σ為到達率或者函數跌落到零的速度。

11.如權利要求10所述的基于用電量數據和徑向基神經網絡的資源配置方法，其特征在于，

徑向基函數的常數σ根據數據中心的散布確定，將徑向基函數的常數σ設為：

其中，d_max是樣本間的最大距離；P是樣本個數。