买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东电网有限责任公司广州供电局

摘要：本发明公开了基于多层优化核极限学习机的充电设施负荷预测方法及系统，包括：构建电动汽车充电负荷影响因素集合，并基于历史数据形成样本数据；对样本数据中电动汽车充电站故障、充电站检修所带来的异常历史数据进行清洗，获取充电站正常运行期间的历史数据集；归一化获取到的充电站正常运行期间的历史数据集；对归一化后的充电站正常运行期间的历史数据集进行特征提取，得到特征数据；构建多层优化核极限学习机负荷预测模型；通过提取到的特征数据对多层优化核极限学习机负荷预测模型进行训练；通过训练完成的多层优化核极限学习机负荷预测模型进行充电设施负荷预测。本发明具有实时性较好、准确度较高等优点。

主权项：1.基于多层优化核极限学习机的充电设施负荷预测方法，其特征在于，包括：构建电动汽车充电负荷影响因素集合，并基于历史数据形成样本数据；对样本数据中电动汽车充电站故障、充电站检修所带来的异常历史数据进行清洗，获取充电站正常运行期间的历史数据集；归一化获取到的充电站正常运行期间的历史数据集；对归一化后的充电站正常运行期间的历史数据集进行特征提取，得到特征数据；构建多层优化核极限学习机负荷预测模型；通过提取到的特征数据对多层优化核极限学习机负荷预测模型进行训练；通过训练完成的多层优化核极限学习机负荷预测模型进行充电设施负荷预测；通过提取到的特征数据对多层优化核极限学习机负荷预测模型进行训练具体包括：A1、设置隐含层初始值n＝0；A2、n＝n+1；A3、通过编码器生成正交随机输入层权重和隐含层偏置，包括公式： 1式中：W、B和I分别表示输入权重矩阵、隐含层阈值矩阵和单位矩阵；A4、通过解码器求解输出层权重β：H＝GWX+B2 2、3式中，H和X分别表示隐含层的输出矩阵和输入矩阵，G·表示激活函数，λ表示正则化系数；A5、将输出层权重的转置作为原网络结构输入层权重，包括公式：Hp＝GβpTHp-144式中，Hp表示第p层隐含层的输出矩阵，第p-1层隐含层的输出矩阵Hp-1作为第p层的输入；A6、判断n是否少于N-1，若是，则返回步骤A2，否则，否则进入步骤A7；A7、基于优化核极限学习机训练第N层核参数和正则化系数：ΩELM＝HHT5ΩELMi，j＝hxi·hxj＝Kxi，xj6 5-8式中，ΩELM表示核矩阵，ΩELMi,j表示核矩阵第i行第j列的元素，Kxi，xj表示核函数，γ表示径向基函数核中的核参数，优化算法对参数λ和γ进行优化；A8、对多层优化核极限学习机负荷预测模型进行测试，直至预测误差不再减小，训练结束；通过训练完成的多层优化核极限学习机负荷预测模型进行充电设施负荷预测包括：输入充电负荷预测影响因素历史数据；对输入的充电负荷预测影响因素历史数据进行归一化；利用与训练相同的卷积核进行卷积运算，形成多层优化核极限学习机负荷预测模型的输入数据；将经过卷积运算的输入数据输入已训练完成的多层优化核极限学习机负荷预测模型得到输出数据，即为充电设施负荷预测结果。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司广州供电局 基于多层优化核极限学习机的充电设施负荷预测方法及系统