[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

说明书

本发明公开了一种适用于高铁站区电网负荷的中长期预测方法及系统，方法包括：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）依据输入的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）将高铁站区电网训练数据集输入多元双层学习网络进行特征训练；5）计算步骤4）输出数据的相关性；6）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）更新特征层的输入权重矩阵；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。本发明的预测方法可以解决高铁站区电网负荷的中长期预测问题。

技术领域

本发明属于工业电气技术领域，具体涉及一种高铁站区电网负荷的中长期预测方法及系统。

背景技术

随着科技的发展，高铁站区发展过程中风险影响因素不断增加，需要建立高铁站区智慧管控运行技术优化风险指标体系，对高铁站区电网进行科学分析与评估。为了评估高铁站区电网运行的风险，高铁站区需对具有复杂潜在动态特性的电网负荷进行有效预测。

申请号为2020113853169的发明专利，公开了一种基于叠加马尔科夫链的负荷预测方法，将叠加马尔科夫链用于电网负荷预测，并进一步通过判别依据筛选预测结果，但该融合方法过于复杂。申请号为2020111886219的发明专利公开了一种基于胶囊神经网络的配电网负荷预测方法，将微电网因素融入到配电网负荷预测模型的构建中，考虑了微电网与配电网间的实时交互功率，但该预测方法只适用于短期预测。考虑到高铁站区电网负荷具有复杂的潜在动态特性，上述技术发明专利公开的负荷预测方法都没有考虑高铁站区电网负荷的中长期预测问题。因此，为高铁站区电网负荷提供一种简单有效的中长期预测方法具有重要的意义。

发明内容

本发明所要解决的技术问题是：如何为高铁站区电网负荷提供一种简单有效的中长期负荷预测方法。

为解决上述技术问题，本发明提供一种适用于高铁站区电网负荷的中长期预测方法，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。

前述的适用于高铁站区电网负荷的中长期预测方法，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。