[发明专利]基于有监督和无监督算法结合的负荷曲线数据可视化方法在审
| 申请号： | 201910481049.6 | 申请日： | 2019-06-04 |
| 公开（公告）号： | CN110321390A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 林顺富;顾乡;刘持涛;颜昕昱 | 申请（专利权）人： | 上海电力学院 |
| 主分类号： | G06F16/28 | 分类号： | G06F16/28;G06N3/04;G06Q10/06;G06Q50/06 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 赵继明 |
| 地址： | 200090 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于有监督和无监督算法结合的负荷曲线数据可视化方法，首先，基于距离与曲线形态的双尺度相似性度量，采用无监督优化谱聚类算法获得负荷曲线精准标签数据；其次，采用稀疏自动编码器神经网络学习大规模待分类负荷曲线的内在特征，得到隐藏层权值矩阵即神经网络的优化初始参数；最后，基于已获得的标签数据，训练支持向量机神经网络分类器，实现对大规模待分类负荷曲线的有监督分类。有监督与无监督算法结合能够获得更精确的负荷曲线类别标签数据并一定程度上改进大数据导致的计算效率较低问题。 | ||
| 搜索关键词： | 负荷曲线 无监督 算法结合 负荷曲线数据 标签数据 可视化 神经网络分类器 神经网络学习 相似性度量 支持向量机 自动编码器 初始参数 计算效率 监督分类 聚类算法 类别标签 曲线形态 权值矩阵 神经网络 大数据 隐藏层 优化谱 分类 监督 稀疏 尺度 优化 改进 | ||
【主权项】：
1.一种基于有监督和无监督算法结合的负荷曲线数据可视化方法，其特征在于，该方法包括以下步骤：步骤1：针对输入的用户用电负荷曲线数据通过误差平方和确定最优聚类数；步骤2：选取输入的用户用电负荷曲线数据中的部分数据通过无监督双尺度谱聚类对其进行聚类，获得类别标签数据；步骤3：通过稀疏自编码算法学习输入的用户用电负荷曲线数据的内在特征并初始化神经网络分类器；步骤4：利用步骤2中的类别标签数据训练步骤3中的神经网络分类器，获取训练完成的神经网络分类器；步骤5：将步骤1中的输入的用户用电负荷曲线数据通过训练完成的神经网络分类器进行有监督数据分类，获得经过有监督数据分类的用户用电负荷曲线数据；步骤6：将经过有监督数据分类的用户用电负荷曲线数据传输至用于电力调配的可视化设备上并显示。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海电力学院，未经上海电力学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910481049.6/，转载请声明来源钻瓜专利网。
