[發(fā)明專利]儲(chǔ)能運(yùn)行工況特征參數(shù)體系構(gòu)建方法、系統(tǒng)及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210169787.9
• 申請(qǐng)日: 2022-02-23
• 公開（公告）號(hào): CN114565033A
• 公開（公告）日: 2022-05-31
• 發(fā)明（設(shè)計(jì)）人: 陳繼忠;閆濤;張敏;趙軍;楊水麗;常瀟;王凱豐;李相俊;張明霞
• 申請(qǐng)（專利權(quán)）人: 中國(guó)電力科學(xué)研究院有限公司;國(guó)家電網(wǎng)有限公司;國(guó)網(wǎng)山西省電力公司電力科學(xué)研究院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;H02J15/00
• 代理公司: 北京中巡通大知識(shí)產(chǎn)權(quán)代理有限公司 11703
• 代理人: 孟大帥

1.一種儲(chǔ)能運(yùn)行工況特征參數(shù)體系構(gòu)建方法，其特征在于，包括：

獲取儲(chǔ)能系統(tǒng)典型工況運(yùn)行數(shù)據(jù)；

通過數(shù)據(jù)預(yù)處理從儲(chǔ)能系統(tǒng)典型工況運(yùn)行數(shù)據(jù)中獲取多個(gè)運(yùn)行工況特征集；

構(gòu)建隨機(jī)森林模型，并計(jì)算每個(gè)運(yùn)行工況特征集的重要性度量；

根據(jù)每個(gè)運(yùn)行工況特征集的重要性度量，計(jì)算每個(gè)運(yùn)行工況特征集的重要性度量標(biāo)準(zhǔn)差；

選取重要性度量標(biāo)準(zhǔn)差最小的運(yùn)行工況特征集作為運(yùn)行工況特征參數(shù)體系。

2.根據(jù)權(quán)利要求1所述的儲(chǔ)能運(yùn)行工況特征參數(shù)體系構(gòu)建方法，其特征在于：所述通過數(shù)據(jù)預(yù)處理從儲(chǔ)能系統(tǒng)典型工況運(yùn)行數(shù)據(jù)中獲取多個(gè)運(yùn)行工況特征集的步驟中，所述的數(shù)據(jù)預(yù)處理包括數(shù)據(jù)清理和數(shù)據(jù)標(biāo)準(zhǔn)化。

3.根據(jù)權(quán)利要求1所述的儲(chǔ)能運(yùn)行工況特征參數(shù)體系構(gòu)建方法，其特征在于：所述構(gòu)建隨機(jī)森林模型的步驟中，隨機(jī)森林模型的決策樹采用CART算法，設(shè)定模型關(guān)鍵參數(shù)包括決策樹數(shù)量T以及在決策樹的每個(gè)節(jié)點(diǎn)進(jìn)行分裂時(shí)需要的輸入特征參數(shù)個(gè)數(shù)m。

4.根據(jù)權(quán)利要求3所述的儲(chǔ)能運(yùn)行工況特征參數(shù)體系構(gòu)建方法，其特征在于：所述構(gòu)建隨機(jī)森林模型的步驟中，原始數(shù)據(jù)集包括N個(gè)樣本，每個(gè)樣本均由相同的特征集X_M構(gòu)成，每個(gè)特征集包括M個(gè)特征參數(shù)，從N個(gè)樣本中有放回的隨機(jī)抽取N個(gè)樣本，作為單棵決策樹的訓(xùn)練樣本，構(gòu)成該棵決策樹的袋內(nèi)數(shù)據(jù)集，T棵決策樹共有T個(gè)袋內(nèi)數(shù)據(jù)集，將每個(gè)袋內(nèi)數(shù)據(jù)集作為構(gòu)成隨機(jī)森林模型中的單棵決策樹的訓(xùn)練數(shù)據(jù)，未被抽取的樣本構(gòu)成對(duì)應(yīng)決策樹的袋外數(shù)據(jù)集，則共有T個(gè)袋外數(shù)據(jù)集；

按如下過程對(duì)構(gòu)建的隨機(jī)森林模型進(jìn)行訓(xùn)練：

隨機(jī)森林模型在每棵決策樹的每個(gè)節(jié)點(diǎn)上進(jìn)行分裂，從M個(gè)運(yùn)行工況特征參數(shù)里選擇m個(gè)特征參數(shù)，找到每個(gè)特征參數(shù)的最優(yōu)分割點(diǎn)，并選擇最佳分割屬性作為節(jié)點(diǎn)創(chuàng)建決策樹；共創(chuàng)建T棵決策樹。

5.根據(jù)權(quán)利要求4所述的儲(chǔ)能運(yùn)行工況特征參數(shù)體系構(gòu)建方法，其特征在于，所述計(jì)算每個(gè)運(yùn)行工況特征集的重要性度量的步驟包括：對(duì)訓(xùn)練完成的隨機(jī)森林模型中的每個(gè)決策樹，選擇各自相應(yīng)的袋外數(shù)據(jù)集，放入各自決策樹中進(jìn)行預(yù)測(cè)，將每個(gè)袋外數(shù)據(jù)集的預(yù)測(cè)值和真值進(jìn)行比較，以袋外數(shù)據(jù)集的預(yù)測(cè)值≠真值的數(shù)量作為誤分類樣本數(shù)，再計(jì)算誤分類樣本數(shù)占袋外數(shù)據(jù)集總樣本數(shù)的比率，作為決策樹的袋外數(shù)據(jù)誤差OOBerr1；

對(duì)上述的袋外數(shù)據(jù)集所有樣本中的特征參數(shù)X加入噪聲干擾，從而隨機(jī)改變樣本在特征參數(shù)X處的值，得到新的袋外數(shù)據(jù)集，計(jì)算新的袋外數(shù)據(jù)誤差OOBerr1'；

對(duì)于T棵決策樹構(gòu)建的隨機(jī)森林，則運(yùn)行工況特征集X_M的重要性度量VIM_X按下式計(jì)算：

特征集X_M的M個(gè)特征參數(shù)上述步驟進(jìn)行計(jì)算，共計(jì)算得到M個(gè)重要性度量VIM_X。

6.根據(jù)權(quán)利要求5所述的儲(chǔ)能運(yùn)行工況特征參數(shù)體系構(gòu)建方法，其特征在于，在所述選取重要性度量標(biāo)準(zhǔn)差最小的運(yùn)行工況特征集作為運(yùn)行工況特征參數(shù)體系的步驟中，先將M個(gè)重要性度量VIM_X按降序排序，剔除其中最小的δ個(gè)特征參數(shù)，得到M′個(gè)特征參數(shù)的新特征集X_M′；使用新特征集X_M′重復(fù)剔除，直到剩下M₀個(gè)特征參數(shù)，M₀為最小保留特征參數(shù)數(shù)量；再?gòu)闹羞x取重要性度量標(biāo)準(zhǔn)差最小的運(yùn)行工況特征集作為運(yùn)行工況特征參數(shù)體系。

7.一種儲(chǔ)能運(yùn)行工況特征參數(shù)體系構(gòu)建系統(tǒng)，其特征在于，包括：

數(shù)據(jù)收集模塊，用于收集儲(chǔ)能系統(tǒng)典型工況運(yùn)行數(shù)據(jù)；

數(shù)據(jù)預(yù)處理模塊，用于通過數(shù)據(jù)預(yù)處理從儲(chǔ)能系統(tǒng)典型工況運(yùn)行數(shù)據(jù)中獲取多個(gè)運(yùn)行工況特征集；

隨機(jī)森林模型構(gòu)建及重要性度量計(jì)算模塊，用于構(gòu)建隨機(jī)森林模型，并計(jì)算每個(gè)運(yùn)行工況特征集的重要性度量；

重要性度量標(biāo)準(zhǔn)差計(jì)算模塊，用于計(jì)算每個(gè)運(yùn)行工況特征集的重要性度量標(biāo)準(zhǔn)差；

特征參數(shù)體系選取模塊，用于選取重要性度量標(biāo)準(zhǔn)差最小的運(yùn)行工況特征集作為運(yùn)行工況特征參數(shù)體系。