[發明專利]一種電力系統多源異構數據的特征提取及選擇方法

在審

• 申請號: 202211044436.1
• 申請日: 2022-08-30
• 公開（公告）號: CN115470844A
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 龍云;劉璐豪;盧有飛;梁雪青;鄒時容;趙宏偉;張揚;張少凡;吳任博;陳明輝;蔡燕春;劉璇
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 楊望仙

1.一種電力系統多源異構數據的特征提取及選擇方法，其特征在于，包括以下步驟：

S1、引入電力系統中的多源異構數據作為輸入數據，構建訓練數據集；

S2、通過堆疊自編碼器模型為每組多源異構數據設計不同結構的神經網絡，采用逐層訓練算法對自編碼器模型進行訓練得到訓練好的堆疊自編碼器模型，通過訓練好的堆疊自編碼器模型提取每組多源異構數據的編碼特征；

S3、將每組多源異構數據的編碼特征作為堆疊自編碼器模型的輸入數據，構建融合層網絡，消除多源異構數據的編碼特征的異構性得到同構特征表達，對整個堆疊自編碼器模型的參數進行微調；

S4、采用結構化稀疏方法對得到的同構特征進行稀疏化處理，計算得到各個特征維度的權重，篩選出具有較高權重的特征，完成多源異構數據特征提取及選擇。

2.根據權利要求1所述的一種電力系統多源異構數據的特征提取及選擇方法，其特征在于，所述多源異構數據包括各傳感器檢測的電壓、電流、有功出力、開關狀態，還包括音視頻監控系統中的音頻數據、圖像數據和電力系統運行的文本記錄。

3.根據權利要求1所述的一種電力系統多源異構數據的特征提取及選擇方法，其特征在于，所述堆疊自編碼器為堆疊多個自編碼器，把每一個自編碼器隱藏層的輸出作為另一個連接的自編碼器的輸入。

4.根據權利要求3所述的一種電力系統多源異構數據的特征提取及選擇方法，其特征在于，所述步驟S2具體包括步驟：

根據輸入的n組多源異構數據，構建n個異構堆疊自編碼器；

在訓練第n個堆疊自編碼器的每一個隱藏層時，對于當前輸入異構數據，在隱藏層經由權值矩陣和激活函數做非線性變換，得到輸出的隱表達；

對隱表達進行解碼，由權值矩陣和激活函數變換重構得到重構輸出，采用梯度下降法進行求解原始輸入與重構輸出的誤差；當誤差為0時，將重構輸出作為下一層的原始輸入再次訓練，得到訓練好的堆疊自編碼器模型；

將每組多源異構數據輸入訓練好的堆疊自編碼器模型，得到相應的特征編碼輸出。

5.根據權利要求4所述的一種電力系統多源異構數據特征提取及選擇方法，其特征在于，所述輸出的隱表達為：

h＝f(W₁x_n+c)

其中，h是輸出的隱表達，c為偏置項，W₁為權值矩陣，f(·)為sigmoid函數；

所述重構輸出為：

其中，為自編碼器的重構輸出，b為偏置項，W₂為權值矩陣和為激活函數。

6.根據權利要求1所述的一種電力系統多源異構數據特征提取及選擇方法，其特征在于，所述步驟S3具體步驟如下：

S31、以前饋神經網絡作為融合層網絡，在融合層網絡中將多組多源異構數據進行特征融合，前饋神經網絡與每組多源異構數據的堆疊自編碼器網絡相連；

S32、融合層網絡外接softmax分類器，計算輸入向量的標簽類別概率；

S33、使用梯度下降法對堆疊自編碼器模型參數進行微調。

7.根據權利要求6所述的一種電力系統多源異構數據特征提取及選擇方法，其特征在于，所述使用梯度下降法對堆疊自編碼器模型參數進行微調，包括步驟：輪流迭代調整各個自編碼器模型的參數，每次調整其中一個自編碼器模型，固定其他自編碼器模型的參數，直到所有自編碼器模型的參數調整完畢。

8.根據權利要求1所述的一種電力系統多源異構數據特征提取及選擇方法，其特征在于，所述步驟S4包括：

對同構特征的數據進行定義，定義同構特征特征表達含有p維特征向量，是標簽，X＝(x¹,x²,…,xⁿ)表示輸入訓練數據矩陣，Y＝(y¹,y²,…,yⁿ)表示標簽矩陣；設定p維特征向量劃分成k個特征組，K_j表示第j個組的特征維度數量；β_l＝(β_l1,β_l2,…,β_lj)表示對于第l個類別的權值系數向量，β_lj表示對應第j組的子系數向量；

通過目標函數對第l個類別的特征選擇，得到權值不為0的特征，目標函數

其中，為損失函數，為正則項；

其中，λ₁和λ₂為正則項系數，超參數ω_j為第j個特征組的權值，y⁽ⁱ⁾表示樣本輸入的標簽，T為權值矩陣，b為偏置項。