[发明专利]一种融合稀疏降噪自编码网络降维和聚类的配电网台区分类方法

摘要

一种融合稀疏降噪自编码网络(Sparse De‑noising Auto‑encoder，SDAE)降维和聚类的配电网台区分类方法，属于配电网台区分类技术领域。该方法首先对配电网台区变压器负载率序列数据进行处理，然后在样本中加入一定噪声比例，输入三层全连接编码层(encode),每层隐藏层部分神经元加入稀疏性约束，逐层训练提取特征值降维，再通过三层全连接解码层(decode)重构降维序列，将提取的特征序列作为K‑means聚类算法输入，得到分类结果。本发明克服了PCA主成分分析线性降维等传统降维方法可能会丢失部分原始特征的缺点，降维模型对原始序列抗噪能力更强，泛化性能更高，再融合聚类方法降低了聚类复杂度，能够有效分类出不同类型配电网台区，从而为电网规划改造提供支持。

主权项

1.一种融合稀疏降噪自编码网络降维和聚类的配电网台区分类方法，其特征在于，该方法的具体步骤为：步骤1：将台区变压器年负载率序列数据经过数据处理层进行归一化处理，并加入一定比例噪声；步骤2：由三层自编码网络的全连接编码层(encode)对步骤1中归一化数据进行特征提取降维操作，每个隐藏层部分神经元加入稀疏性约束，再由三层自编码网络的全连接解码层(decode)对步骤2中提取的特征序列进行重构操作,在训练过程中，使得序列重构误差最小，从而获得特征降维序列；步骤3：由K‑means聚类算法对步骤4中的降维特征序列进行聚类分析，分类出煤改电台区和非煤改电台区；步骤4：继续采用步骤1—步骤3所述方法，对煤改电台区采暖季日负载率序列进行降维聚类分析。