[发明专利]一种适用于高铁站区电网负荷的中长期预测方法及系统

权利要求书

1.一种适用于高铁站区电网负荷的中长期预测方法，其特征在于，包括以下步骤：

1)采集高铁站区电网负荷数据；

2)对采集得到的高铁站区电网负荷采样数据进行预处理，将高铁站区电网负荷的采样数据划分出训练数据集；

3)在多元双层学习网络模型的输入层输入高铁站区电网负荷训练数据集，初始化多元双层学习网络模型；

4)在多元双层学习网络模型的特征层，对多元双层学习网络模型进行特征训练，得到特征矩阵；

5)在多元双层学习网络模型的相关层，计算步骤4)输出数据的相关矩阵；

6)利用得到的特征矩阵和相关矩阵，计算多元双层学习网络模型的单元内部的输出权重矩阵；

7)利用最优梯度法更新特征层的输入权重矩阵，利用更新后的输入权重矩阵和输出权重矩阵构建多元双层学习网络预测模型；

8)利用训练好的多元双层学习网络预测模型对高铁站区电网负荷进行中长期预测，获得预测的高铁站区电网负荷。

2.根据权利要求1所述的适用于高铁站区电网负荷的中长期预测方法，其特征在于：在步骤3)中，初始化多元双层学习网络的相关参数包括：

特征层中每个单元包含的神经元数目a_p和随机的输入权重矩阵

单元内部神经元的初始化状态和内部连接权重矩阵w^p，p＝1,2,3,...,P，P为初始化特征层包含的单元数；

相关层中每个单元包含的神经元数目b_k、随机输入权重矩阵单元内部神经元的初始化状态和内部连接权重矩阵w^k，k＝1,2,3,...,K，K为相关层包含的单元数目。

3.根据权利要求2所述的适用于高铁站区电网负荷的中长期预测方法，其特征在于：在步骤4)中，特征层的输出表示为Α＝[Ο₁,Ο₂,Ο₃,...,Ο_P]，其中，表示特征层中第p个网络单元第t次输出的特征矩阵，a_p表示特征层中第p个网络单元中包含的神经元数目；

特征层中第p个网络单元第t次输出的特征矩阵Ο_p(t)的计算过程为其中，f(*)表示双曲正切函数，表示输入层与特征层中第p个网络单元的连接矩阵，R表示实数集，u(t)∈R^1×L表示输入层中关于高铁站区电网负荷第t次输入数据，L表示输入层中神经元的数目，t＝1,2,3,...,T，T表示在训练过程中输入数据的总次数，w^p为多元双层学习网络中特征层第p个网络单元的内部权重矩阵；

特征层各个学习单元采用过滤式输出方法，特征层输出的特征矩阵Α大小为其中，T^*为有效的输入数据的次数，T/2≤T^*＜T。

4.根据权利要求2所述的适用于高铁站区电网负荷的中长期预测方法，其特征在于：在步骤5)中，相关层输出的相关矩阵表示为Β＝[γ₁,γ₂,γ₃,...,γ_K]，其中，表示相关层中第k个单元输出的相关特性矩阵，第t次相关特性矩阵γ_k(t)的计算过程为f(*)表示双曲正切函数，表示特征层与相关层中第k个单元的连接矩阵，w^k为内部连接权重矩阵；Α(t)表示第t次特征矩阵；

相关层输出的相关矩阵Β大小为其中，T^*为有效的输入数据的次数，T/2≤T^*＜T。

5.根据权利要求4所述的适用于高铁站区电网负荷的中长期预测方法，其特征在于：在步骤5)中，将所述特征矩阵Α和相关矩阵Β发送到输出层，在输出层加入输入矩阵u，输出层描述为：

Y＝[u|Α|Β]W_out

[u|Α|Β]定义为特征矩阵Α、相关矩阵Β和输入矩阵u的组合矩阵，[*]表示矩阵组合操作，其中，表示训练过程中的目标矩阵，表示为输出权重矩阵，h表示预测步数。