[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

说明书

本发明涉及一种基于大数据与贝叶斯神经网络的AGC系统辨识方法，包括：1、采集AGC系统的历史数据，预处理得到样本数据；2、对贝叶斯神经网络初始化；3、计算隐含层、输出层各神经元的输入输出，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；4、判断误差是否达到要求，若是，则进行步骤6，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；5、重复步骤3～4，直到达到误差要求或者最大学习次数；6、计算贝叶斯神经网络，得到辨识的数学模型。与经典BP神经网络辨识方法相比，本发明拥有更好的辨识准确度和更快的收敛速度。

技术领域

本发明涉及信息控制技术领域，尤其是涉及一种基于大数据与贝叶斯神经网络的AGC系统辨识方法。

背景技术

截止2017年年底，我国发电装机容量为17.7亿千瓦，火电装机容量占总装机容量的62.2％，火力发电依然是我国主要的发电形式，然而随着经济进入新常态，面对资源和环境的双重约束，火电行业面临的形势越来越严峻。AGC是电网调度中的一种先进技术手段，其主要任务是实现电网调度自动化能量管理系统(Energy Management System，简称EMS)与发电机组协调控制系统(Coordination Control System，简称CCS)间的闭环控制。特高压电网、交直流输电技术和新能源的快速发展更提高了电网调度和控制的复杂程度，并且具备深度调峰能力的火电机组是以能耗牺牲为代价的，因此，建立优化AGC系统模型、提升AGC系统控制品质是当前工作的重中之重。

近年来，智能制造热度高涨，大数据是各领域研究的热点方向，其目标之一是根据数据分析结果自动调整控制策略和管理方式，来保证火电机组正常运行，使电厂生产长期处于安全、经济和环保运行状态中。随着深度神经网络技术的突破性发展，人工智能在世界范围内呈现持续升温的态势，2017年，“人工智能”首次在两会中被列入政府工作报告，这不仅表明了我国对人工智能发展的高度重视，更标志着“人工智能”正式进入“中国节奏”。近几年，大数据引起了各行各业的高度关注，依托大数据的人工智能更能发挥无限的潜力，可以说大数据开启了一个新的时代。

人工智能辨识方法是近年来的研究重点，其中如神经网络、遗传算法、粒子群优化算法等算法都再系统便是中取得了重大研究成果，但也存在一些不足。虽然目前已有针对AGC系统进行神经网络等智能算法建模的研究，但是再如何充分结合电厂大数据及逆行智能辨识方面仍没有给出实际指导。因此通过采集电厂相关运行数据，研究电厂大数据背景下将神经根网络建模方法应用于AGC系统辨识的可行性，对进一步提高AGC系统的控制性能也有重要意义。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于大数据与贝叶斯神经网络的AGC系统辨识方法。

本发明的目的可以通过以下技术方案来实现：

一种基于大数据与贝叶斯神经网络的AGC系统辨识方法，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。

优选的，所述步骤S1具体包括：