亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于最小二乘向量機(jī)結(jié)合雙向時(shí)序長短期記憶的臺(tái)區(qū)用電特征提取*

        2021-03-11 03:09:44程昱舒謝振剛陳安琪
        電子器件 2021年6期
        關(guān)鍵詞:臺(tái)區(qū)特征提取用電

        程昱舒,謝振剛,陳安琪

        (1.國網(wǎng)山西省電力公司營銷服務(wù)中心,山西 太原 030002;2.國網(wǎng)山西省電力公司,山西 太原 030021)

        隨著智能電網(wǎng)、能源互聯(lián)網(wǎng)和泛在電力物聯(lián)網(wǎng)建設(shè)的發(fā)展,風(fēng)、光、水、核等可再生能源大量、不斷地并入電網(wǎng)的各個(gè)角落,使電網(wǎng)的調(diào)度、控制難度越來越大,因此精細(xì)化地掌握用戶用電的特征和趨勢就顯得越來越重要,已經(jīng)成為電力系統(tǒng)研究的熱點(diǎn)問題之一,引起國內(nèi)外專家學(xué)者的廣泛重視[1-3]。

        泛在電力物聯(lián)網(wǎng)建設(shè)的重要一環(huán)就是高級(jí)量測系統(tǒng)的形成,并能夠采集電力系統(tǒng)發(fā)、輸、配、用各個(gè)環(huán)節(jié)數(shù)據(jù),尤其是智能電表的安裝,可以獲得配電網(wǎng)用戶側(cè)各個(gè)時(shí)段的用電信息,從而為用電特征的提取提供了重要基礎(chǔ)[4-5]。

        基于電力系統(tǒng)高級(jí)量測體系,目前對(duì)于電力系統(tǒng)臺(tái)區(qū)用電特征的研究有如下的代表性成果,如文獻(xiàn)[6]基于高級(jí)量測體系形成的多元大數(shù)據(jù)平臺(tái),建立了配電網(wǎng)用電行為特征的分析構(gòu)架;文獻(xiàn)[7-9]針對(duì)赤峰市、廈門市、湖南省等多用戶農(nóng)村住宅實(shí)際年、月生活用電量,分別從年、月、日、小時(shí)等尺度分析了農(nóng)村住宅用電量規(guī)律;文獻(xiàn)[10-13]基于聚類思路,分別采用K-Mean 方法、云平臺(tái)計(jì)算方式獲得用戶用電行為特征;文獻(xiàn)[14-16]從構(gòu)架方面,給出了用戶畫像的不同技術(shù)框架下的關(guān)鍵實(shí)現(xiàn)技術(shù)和應(yīng)用。

        對(duì)于電力系統(tǒng)大數(shù)據(jù)的分析和應(yīng)用是用戶用電特征分析和提取的有力保證,然而目前的研究成果在提取用電特征時(shí),仍以傳統(tǒng)方法為主,沒有使用人工智能領(lǐng)域的相關(guān)新成果。本文以此為切入點(diǎn),以深度學(xué)習(xí)理論中的雙向時(shí)序長短期記憶網(wǎng)絡(luò)(Bidirectional Long Short-Term Memory,BLSTM)為手段,以最小二乘支持向量機(jī)回歸模型為前提,綜合考慮天氣環(huán)境信息、人文活動(dòng)信息、經(jīng)濟(jì)社會(huì)信息,提出了臺(tái)區(qū)用戶用電特征提取方法。

        1 臺(tái)區(qū)用電特征提取

        用電行為特征提取的核心是獲得用戶用電的特征,即通過真實(shí)的量測數(shù)據(jù)進(jìn)行聚類分析:

        式中:SSE 表示傳統(tǒng)的誤差平方和計(jì)算方法;k表示該劃分中的個(gè)體數(shù)量;ci表示第i個(gè)劃分;x表示ci中的個(gè)體;mi表示樣本均值。

        式(1)描述了樣本分類過程中的計(jì)算準(zhǔn)則,然后使用K-Means 聚類算法能夠獲得具有多個(gè)特征的聚類。

        在傳統(tǒng)K-Means 聚類算法的基礎(chǔ)上,進(jìn)一步采用最大熵原理來進(jìn)行特征精細(xì)化過濾,隨機(jī)變量x的計(jì)算熵為:

        式中:Ω為隨機(jī)變量x取值集合;p(x)為隨機(jī)變量x的概率。

        在傳統(tǒng)K-Means 聚類分類d中,所有用戶特性的熵為:

        式中:Nd表示分類總數(shù);Mi表示第i個(gè)分類的總樣本。

        獲得用戶特性熵后,可以計(jì)算特征ti與用戶類別之間的最大相關(guān)信息熵D(s,d):

        式中:Muv表示特征ti在分類v中的總樣本;I(ti,d)表示S中的特征ti與分類d之間的信息相關(guān)度;S表示經(jīng)過篩選后的最優(yōu)特征集;NS表示該集合中的特征數(shù)量。

        獲得式(4)后可以辨別特征與分類之間的信息相關(guān)度,進(jìn)而定義相關(guān)系數(shù)ρ(ti,tj):

        式中:cov(ti,tj)表示特征ti和tj的協(xié)方差;和分別為特征ti和tj的標(biāo)準(zhǔn)差。

        相關(guān)系數(shù)表示的是特征之間的關(guān)系,還要從最優(yōu)的角度進(jìn)行去除分類內(nèi)的冗余,因此需要設(shè)置冗余指標(biāo):

        結(jié)合式(4)~式(6),可以獲得最優(yōu)特征分類:

        利用機(jī)器學(xué)習(xí)方法求解式(7)后即可得到用戶用電特征的最優(yōu)分類,從而形成用戶用電特征提取。

        要想求解式(7),可以采用機(jī)器學(xué)習(xí)中的相關(guān)方法,在電力系統(tǒng)量測大數(shù)據(jù)環(huán)境下,基于人工智能的方式可以獲得精度較高的特征解。

        為了獲得精度高的特征解,下面首先給出最小二乘支持向量機(jī)的回歸模型,然后以此為基本解,采用深度學(xué)習(xí)中的雙向時(shí)序長短期記憶網(wǎng)絡(luò)方法對(duì)基本集進(jìn)行學(xué)習(xí),從而獲得精度更高的解。

        2 最小二乘支持向量機(jī)回歸模型

        根據(jù)第1 部分的內(nèi)容可知,用戶用電特征提取的本質(zhì)就是對(duì)用戶用電進(jìn)行分類,即依據(jù)電力系統(tǒng)量測的歷史大數(shù)據(jù),對(duì)其中具有相似特征的進(jìn)行分類,形成若干類。每一類具有相似的用電特征。而分類的方法可以使用模式識(shí)別中的支持相量機(jī)(Support Vector Machine,SVM)方法。傳統(tǒng)SVM 具有收斂速度慢、容易陷入局部極值的問題,為了克服這些問題,本文采用最小二乘支持向量機(jī)回歸模型。

        最小二乘支持向量機(jī)(Least Square Support Vector Machine,LSSVM) 是對(duì)傳統(tǒng)支持向量機(jī)(Support Vector Machine,SVM)的改進(jìn),是一種遵循結(jié)構(gòu)風(fēng)險(xiǎn)最小化(Structural Risk Minimization,SRM)原則的核函數(shù)學(xué)習(xí)機(jī)器,其算法是最小二乘法,其原理是結(jié)構(gòu)風(fēng)險(xiǎn)最小化,克服了傳統(tǒng)經(jīng)驗(yàn)風(fēng)險(xiǎn)最小準(zhǔn)則泛化能力差、求解速度低的缺陷。已經(jīng)在電力系統(tǒng)負(fù)荷預(yù)測、風(fēng)電預(yù)測等方面得到廣泛應(yīng)用[17-18]。

        設(shè)存在電力系統(tǒng)潮流量測大數(shù)據(jù),選擇時(shí)間窗為n的時(shí)間斷面量測,使用這n個(gè)時(shí)間斷面量測歷史數(shù)據(jù)作為訓(xùn)練樣本,設(shè)為訓(xùn)練樣本對(duì)(xi,yi)(i=1,2,…,n),其中xi表示輸入樣本,yi表示輸出樣本。

        根據(jù)SVM 原理,可以將該樣本對(duì)在非線性映射函數(shù)φ(x)的作用下,映射到高維特征空間中:

        在式(8)所示的特征空間中,建立如式(9)的線性回歸函數(shù):

        式中:w表示權(quán)相量,wT為其轉(zhuǎn)置;b為偏移量。

        根據(jù)SRM 原理求解式(9),等效為如下的計(jì)算:

        式中:γ為一系數(shù),當(dāng)其為無窮大時(shí),所得到的解為最小二乘優(yōu)化解;Remp為SRM 函數(shù),可以表示為Remp表示第i個(gè)時(shí)間斷面中訓(xùn)練過程中的誤差。

        為了求出式(9)中的參數(shù)w和b,在式(10)的基礎(chǔ)上,可以建立如下的優(yōu)化模型:

        一般來說,式(11)可以通過建立拉格朗日函數(shù)來求解:

        式中:λ=[λ1λ2…λn]T表示拉格朗日乘子。

        依據(jù)拉格朗日乘子法中的最佳解條件,即KKT(Karush Kuhn Tucker)條件,可以求解式(13)得到:

        展開式(13)可得:

        求解式(14)中的w和εi,可以轉(zhuǎn)換為如下的線性方程組的形式:

        在計(jì)算式(15)的方程過程中,需要給定核函數(shù)才能進(jìn)行計(jì)算。設(shè)滿足Mercer 定理的核函數(shù)為K(xi,xj)=[φ(xi),φ(xj)],那么求解式(14)就可以等效為求解如下的回歸函數(shù):

        由于徑向基函數(shù)具有較強(qiáng)的泛化能力,因此在計(jì)算式(16)時(shí),通常選擇徑向基函數(shù)作為核函數(shù),即:

        式中:σ表示徑向基函數(shù)的尺度參數(shù)。

        將式(17)代入方程組(15)中,利用最小二乘法原理就可以得到參數(shù)的估計(jì)值:

        將式(18)估計(jì)結(jié)果代入式(14)中,可得:

        根據(jù)式(8)~式(19)的計(jì)算,可以獲得臺(tái)區(qū)用戶用電特征分類,該分類是通過對(duì)臺(tái)區(qū)歷史量測的大數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析獲得的,但是還存在一定的誤差。

        為了獲得精確度更高的特征分類,將誤差以及式(8)~式(19)獲得的解進(jìn)一步采用雙向時(shí)序長短期記憶網(wǎng)絡(luò)的方式進(jìn)行學(xué)習(xí),從而獲得精度更高的特征分類。

        3 雙向時(shí)序長短期記憶網(wǎng)絡(luò)用戶用電特征提取

        3.1 基本原理

        雙向長短時(shí)記憶網(wǎng)絡(luò)(Bidirectional Long Short-Term Memory,BLSTM)是由前向、后向兩個(gè)LSTM 構(gòu)成,其基本單元如圖1 所示,包含輸入層、前向LSTM、后 向 LSTM、輸出層,具體計(jì)算步驟如下[19-20]。

        圖1 BLSTM 結(jié)構(gòu)圖

        第一步,中間處理單元的計(jì)算:

        其中,式(20)是對(duì)輸入層的計(jì)算;式(21)對(duì)遺忘層的計(jì)算;式(21)是對(duì)中間層的計(jì)算;式(22)是對(duì)輸出門的計(jì)算;式(23)是對(duì)記憶融合階段的計(jì)算;式(24)是最后的輸出計(jì)算。Wxi,Whi,Wci,Wxf,Whf,Wcf,Wxg,Whg,Wxo和Who,Wco為學(xué)習(xí)訓(xùn)練的權(quán)系數(shù);bi,bf,bg,bo為偏置項(xiàng)。

        3.2 用戶用電特征提取

        為了實(shí)現(xiàn)準(zhǔn)確的用戶用電特征分類和提取,在通過電力系統(tǒng)量測的大數(shù)據(jù)基礎(chǔ)上,通過第2 部分的計(jì)算,可以選擇N個(gè)滾動(dòng)的時(shí)間窗口,每個(gè)時(shí)間窗口包含n個(gè)第2 部分的量測斷面,從而可以獲得N個(gè)第2 部分計(jì)算的數(shù)據(jù)樣本,標(biāo)記為:

        式中:Δwt表示第2 部分估計(jì)的的誤差;同理,Δbt表示第2 部分估計(jì)的的誤差;Δft(x)表示由Δwt和Δbt獲得的分類函數(shù)的誤差值;Pi表示臺(tái)區(qū)歷史負(fù)荷值,包含了N個(gè)時(shí)間窗口內(nèi)、每個(gè)窗口內(nèi)的n個(gè)值;Wi表示臺(tái)區(qū)天氣環(huán)境信息;Ai表示人文活動(dòng)信息;Oi表示經(jīng)濟(jì)社會(huì)狀態(tài)。

        將式(26)中的數(shù)據(jù)樣本作為BLSTM 的輸入數(shù)據(jù),同時(shí)選擇式(20)、式(21)、式(23)中的過濾函數(shù)為sigmoid 函數(shù),設(shè)置BLSTM 相應(yīng)的層數(shù)和LSTM個(gè)數(shù),從而可以進(jìn)行學(xué)習(xí)BLSTM 的權(quán)系數(shù)。

        4 算例分析

        采用如圖2 所示的山西電網(wǎng)某地區(qū)實(shí)際電網(wǎng)為例,對(duì)本文方法予以驗(yàn)證。該地區(qū)電網(wǎng)中共包含5臺(tái)發(fā)電機(jī)、11 個(gè)用電負(fù)荷,電網(wǎng)參數(shù)如表1 所示,采集負(fù)荷13 某天的有功功率,如表2 所示。

        表1 圖2 所示電網(wǎng)結(jié)構(gòu)參數(shù)(標(biāo)幺值)

        表2 某天24 h 負(fù)荷13 的有功功率 單位:MW

        圖2 某地區(qū)實(shí)際電網(wǎng)

        采用某年1 月至6 月共6 個(gè)月,每個(gè)月按照30 d 計(jì)算,每天24 h、每小時(shí)以15 min 采集系統(tǒng)潮流,共獲得17 280 個(gè)時(shí)間斷面的潮流結(jié)果,某天潮流結(jié)果如表3 所示。

        表3 某天24 h 發(fā)電機(jī)有功潮流結(jié)果 單位:MW

        在Windows 環(huán)境下,采用MATLAB 結(jié)合Python對(duì)本文算法進(jìn)行程序設(shè)計(jì),文中涉及的數(shù)據(jù)保存在SQL 數(shù)據(jù)庫中,與Python 和MATLAB 進(jìn)行配合,編寫程序進(jìn)行計(jì)算和分析。

        基于上述基本信息和潮流數(shù)據(jù),根據(jù)本文第1、2、3 部分的方法,進(jìn)行用電特征分類,可得到如圖3所示的分類結(jié)果。

        由圖3 中的4 類分類結(jié)果可見,每一類的差別很明顯,即可以明確地獲得分類結(jié)果。從曲線的走勢上就可以直觀地看到,而每一類中的負(fù)荷數(shù)據(jù)大小和趨勢也基本一致。

        圖3 聚類后4 類用戶用電特征曲線

        5 結(jié)論

        針對(duì)電力系統(tǒng)精細(xì)化管理的要求,準(zhǔn)確地獲得需求側(cè)用電特征十分必要,因此首先對(duì)傳統(tǒng)K-Mean典型聚類方法進(jìn)行改進(jìn),獲得用戶用電特征,并形成學(xué)習(xí)的歷史數(shù)據(jù);在此基礎(chǔ)上,通過使用最小二乘支持向量機(jī)回歸模型獲得具有較高準(zhǔn)確度的用電特征,并獲得誤差,將其作為后續(xù)人工智能學(xué)習(xí)方法的輸入;最后,通過雙向時(shí)序長短期記憶網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)而進(jìn)行分類。通過實(shí)際電網(wǎng)的仿真驗(yàn)證表明了本文所提出的方法能夠準(zhǔn)確地獲得臺(tái)區(qū)用戶用電特征。

        猜你喜歡
        臺(tái)區(qū)特征提取用電
        用電安全
        用煤用電用氣保障工作的通知
        安全用電知識(shí)多
        用電安全要注意
        基于Daubechies(dbN)的飛行器音頻特征提取
        電子制作(2018年19期)2018-11-14 02:37:08
        降低臺(tái)區(qū)實(shí)時(shí)線損整治工作方法
        電子制作(2017年2期)2017-05-17 03:55:22
        Bagging RCSP腦電特征提取算法
        基于MED和循環(huán)域解調(diào)的多故障特征提取
        三合一集中器作為臺(tái)區(qū)線損考核表計(jì)的探討
        多功能低壓臺(tái)區(qū)識(shí)別設(shè)備的研制
        亚洲精品久久无码av片软件| 与最丰满美女老师爱爱视频| 久久国产劲爆∧v内射| 欧美天天综合色影久久精品| 亚洲午夜精品a区| 美腿丝袜美腿国产在线| 亚洲综合自拍偷拍一区| 亚洲国产精品一区二区www| 亚洲网站地址一地址二| 亚洲免费观看一区二区三区| 亚州中文热码在线视频| 亚洲av成人片色在线观看高潮 | 99日本亚洲黄色三级高清网站| 日本精品一区二区三区试看 | 三级全黄裸体| 中出内射颜射骚妇| 69国产成人综合久久精| 亚洲丰满熟女乱一区二区三区 | 欧美熟妇另类久久久久久不卡| 亚洲欧美日韩一区二区三区在线| 亚洲中文字幕巨乳人妻| 亚洲日产乱码在线中文字幕| 少妇爆乳无码专区| 亚洲av成人精品日韩一区| 国产三级黄色片子看曰逼大片 | 亚洲AV无码AV色| 国产精品亚洲一区二区三区16 | 日韩中文字幕在线观看一区| 中文无码日韩欧| 国产精品九九九无码喷水| 一区二区三区精彩视频在线观看| 色偷偷激情日本亚洲一区二区| 男男性恋免费视频网站| 国产一区二区三区4区| 国产自拍av在线观看| 国产免费爽爽视频在线观看 | 国内大量揄拍人妻在线视频| 日韩人妻中文字幕一区二区| 免费一级淫片日本高清 | 男女发生关系视频网站| 激情五月婷婷一区二区|