[发明专利]一种基于神经网络的电网业务分类方法

说明书

技术领域

本发明涉及一种电网数据处理与分类领域的方法，具体讲涉及一种基于神经网络的电网 业务分类方法。

背景技术

近年来，随着全球能源问题日益严峻，世界各国都开展了智能电网的研究工作。智能电 网的最终目标是建设成为覆盖电力系统整个生产过程，包括发电、输电、变电、配电、用电 及调度等多个环节的全景实时系统；而支撑智能电网安全、自愈、绿色、坚强及可靠运行的 基础是电网全景实时数据采集、传输和存储，以及累积的海量多源数据快速分析。因而随着 智能电网建设的不断深入和推进，电网运行和设备检/监测产生的数据量呈指数级增长，逐渐 构成了当今信息学界所关注的大数据。基于上述电网中承载业务种类日益增多，数据趋于复 杂多变的现况，为更好地对业务进行管控，优化网络资源配置，为不同的业务定制个性化需 求，必须对业务进行分类处理。

神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。 该网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信 息的目的，具有很强的非线性信息处理能力，可用来对数据进行分类。

现有技术中，一般将数据分为训练集和测试集，通过训练集训练神经网络确定网络权值， 再将测试集输入神经网络之中，即可得到输出结果。但是，神经网络存在以下问题：易陷于 局部最优，如何选择神经网络结构参数目前仍然没有定论，其使用效果完全取决于使用者个 人经验。针对上述问题，1990年，Hansen等人提出的神经网络集成方法为解决上述问题提供 了一个简单可行的措施：可以简单地通过训练多个神经网络并将结果进行合成，显著提高神 经网络系统的性能。

而如何选择个体神经网络是一个优化问题，如何有效解决个体神经网络的选择难题是现 在需要克服的问题。2009年，Yang与Deb提出一种新型生物启发算法—CS算法，该算法通 过模拟某类布谷鸟寄生育雏习性求向量最优化问题，引入Levy飞行刻画布谷鸟的觅食行为， 使算法搜索向量空间能力增强，而且能够避免陷入局部极值。但是，基本CS算法后期收敛 速度较慢而且搜索精度有限。

因此，需要提供一种高效精确的电网业务分类方法。

发明内容

为克服上述现有技术的不足，本发明提供一种基于神经网络的电网业务分类方法。

实现上述目的所采用的解决方案为：

一种基于神经网络的电网业务分类方法，其改进之处在于：所述方法包括以下步骤：

I、预处理数据集；

II、根据个体网络训练集训练并生成n个体神经网络，5≤n≤12；

III、根据网络选择训练集确定所述个体神经网络的权值系数；

IV、根据所述权值系数判断是否保留所述个体神经网络，生成神经网络组合模型；根据 测试样本集测试所述神经网络组合模型，根据阈值调整所述神经网络组合模型；

V、输出最优神经网络组合模型和分类结果。

进一步的，所述步骤I中，获取电网业务中的数据作为待处理数据，剔除所述待处理数据 中有误数据，将剩余所述划分为个体网络训练集、网络选择训练集和测试样本集；

所述网络选择训练集和所述测试样本集的数据个数相等，所述个体网络训练集的个数是 所述网络选择训练集或所述测试样本集个数的3至5倍。

进一步的，所述步骤III包括以下步骤：

S301、所述网络选择训练集输入训练后的所述个体神经网络，计算并保存各个体神经网 络的适应度函数值；

S302、运用改进的CS算法确定所述个体神经网络的权值系数。

进一步的，所述步骤S302包括以下步骤：

S3021、初始化所述CS算法的参数，包括发现概率p_a、最大迭代次数itermax和生成的 行向量个数cnt；

S3022、根据所述行向量个数cnt和所述个体神经网络确定行向量个数n随机生成cnt×n 的矩阵，确定所述行向量中大于元素阈值的元素所对应个体神经网络的适应度函数值，根据 所述适应度函数值寻找最优行向量；

S3023、根据所述行向量按下式生成行向量一：