申请/专利权人：上海电力大学

申请日：2021-07-30

公开（公告）日：2024-04-26

公开（公告）号：CN113592671B

主分类号：H02J3/00

分类号：H02J3/00;G06Q50/06;G06Q10/04;G06N3/0442;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本发明公开了一种基于长短时神经网络的居民负荷曲线分解方法，包括利用数据采集设备采集负荷的电压与电流数据，并计算出负荷的总有功功率P，根据开关事件合集和所述负荷总有功功率数据P选择数据样本X，将所述数据样本X划分训练集和验证集；对所述训练集和所述验证集进行归一化处理；对归一化处理后的训练集和验证集进行神经网络训练，得到预测的负荷数据；基于所述预测的负荷数据和所述开关事件集合进行负荷曲线分解，得到单一负荷曲线。本发明提出的基于长短时神经网络的居民负荷曲线分解方法，既能实现组合负荷曲线中单一负荷的曲线分解，得到单一负荷详细运行曲线图，又能分解出每一种负荷具体的运行情况和消耗电能。

主权项：1.一种基于长短时神经网络的居民负荷曲线分解方法，其特征在于，包括：利用数据采集设备采集负荷的电压与电流数据，并计算出负荷的总有功功率P，根据开关事件合集和所述负荷总有功功率数据P选择数据样本X，将所述数据样本X划分训练集和验证集；对所述训练集和所述验证集进行归一化处理；对所述归一化处理后的训练集和验证集进行神经网络训练，得到预测的负荷数据；所述神经网络包括遗忘层、输入层、更新层以及输出层；所述遗忘层输出信息ft包括，所述遗忘层将当前输入信息和先前输出信息通过sigmoid函数进行信息筛选，判断筛选后的信息是否需要进行保留；若筛选后最终输出0，则表示筛选后的信息可进行遗忘，若筛选后最终输出1，则表示筛选后的信息需要进行保留；将被保留的部分信息传递到下一单元，所述遗忘层输出信息ft包括，ft＝σWf[ht-1,xt]+bf其中，σ表示sigmoid函数，Wf表示遗忘层的权重向量，[ht-1，xt]表示将先前输出信息与当前输入信息结合成一个信息向量，bf表示遗忘层的偏置项；候选信息的获取包括，将所述输入层的当前输入信息xt与先前输出信息ht-1通过sigmoid函数进行信息确认得到更新信息it，同时通过tanh函数得到候选信息包括，it＝σWi[ht-1,xt]+bi 其中，Wi、Wc表示输入层两个函数的不同权重向量，bi、bc表示输入层两个函数的偏置项；基于先前单元信息Ct-1和所述遗忘层输出信息ft构建旧信息，利用更新信息it和候选信息得到新信息；所述更新层将旧信息与新信息进行组合生成当前信息，并将所述当前信息输入到所述输出层，所述当前信息Ct包括， 其中，Ct-1表示先前单元信息，ft表示遗忘层输出信息，it表示更新信息，表示候选信息；所述输出层输出中间信息和输入下一单元的信息，所述中间信息包括，ot＝σWo[ht-1，xt]+b0其中，ot表示中间信息，Wo表示输出层的权重向量，b0表示输出层的偏置项；所述输入下一单元的信息包括，ht＝ottanhCt其中，ht表示输入下一单元的信息；基于所述预测的负荷数据和所述开关事件集合进行负荷曲线分解，得到单一负荷曲线。

全文数据：

权利要求：

百度查询： 上海电力大学 一种基于长短时神经网络的居民负荷曲线分解方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD