[发明专利]基于大数据与贝叶斯神经网络的AGC系统辨识方法

权利要求书

1.一种基于大数据与贝叶斯神经网络的AGC系统辨识方法，其特征在于，包括以下步骤：

S1、采集AGC系统的历史数据，对历史数据进行预处理后得到样本数据；

S2、对贝叶斯神经网络初始化；

S3、计算隐含层、输出层各神经元的输入和输出，计算实际输出与贝叶斯神经网络输出之差，并按照MSE标准计算误差；

S4、判断误差是否达到要求，如果达到要求，则进行步骤S6，否则，对输出层与隐含层之间的权值和阙值进行修正，对输入层与隐含层之间的权值和阙值进行修正，更新各连接权值，学习次数加1；

S5、重复步骤S3～S4，直到达到误差要求或者最大学习次数；

S6、计算贝叶斯神经网络隐含层和输出层的最终结果，得到辨识的数学模型。

2.根据权利要求1所述的基于大数据与贝叶斯神经网络的AGC系统辨识方法，其特征在于，所述步骤S1具体包括：

S11、采集AGC系统的历史数据，采用平滑方法去除历史数据中的噪声；

S12、对历史数据进行零初始化和归一化处理；

S13、采用近邻法从历史数据中选择得到样本数据。

3.根据权利要求2所述的基于大数据与贝叶斯神经网络的AGC系统辨识方法，其特征在于，所述步骤S11中平滑方法采用LOESS平滑方法，该方法具体包括：

S111、以历史数据中任意数据点x_i为中心确定一个区间，区间宽度取决于参加局部回归的观察值个数；

S112、定义所述区间内所有点的权值；

S113、将所述区间内的点拟合为二次曲线，得到拟合值y_i；

S114、对历史数据中每个点进行步骤S111～S113的处理，得到一组平滑点，x_i的平滑点就是x_i在拟合出来的直线上的拟合点(x_i,y_i)，将所有点用短直线连接，得到LOESS回归曲线，根据LOESS回归曲线得到LOESS平滑结果。

4.根据权利要求3所述的基于大数据与贝叶斯神经网络的AGC系统辨识方法，其特征在于，所述步骤S112中的权值是通过立方加权函数T(u)定义：

其中，u＝Δ_i(x)/Δ_(q)(x)，Δ_i(x)＝|x_i-x|表示点x到xi的距离，xi表示历史数据的任意数据点，x表示历史数据中除x_i之外的其他数据点，Δ_(q)(x)表示Δ_i(x)的最大值。

5.根据权利要求3所述的基于大数据与贝叶斯神经网络的AGC系统辨识方法，其特征在于，所述步骤S114中根据LOESS回归曲线得到LOESS平滑结果的过程包括：

定义误差函数为拟合值与实际值的差值的平方和，利用梯度下降法使LOESS回归曲线逼近y＝θ_ix_i，y表示输入或输出数据平滑曲线，θ_i表示x_i处平滑曲线的斜率，从而得到LOESS平滑结果。

6.根据权利要求2所述的基于大数据与贝叶斯神经网络的AGC系统辨识方法，其特征在于，所述步骤S12中零初始化处理具体包括：

其中，u^*(k)、y^*(k)、u(k)、y(k)分别表示输入数据零初始化后的值、输出数据零初始化后的值、输入数据零初始化前的值、输出数据零初始化后的值，N为常数，表示取数据的前N位的均值作为数据的初始值。