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：国网辽宁省电力有限公司营口供电公司;国家电网有限公司

摘要：一种基于Kmeans与FR‑DBN的短期负荷预测方法，利用Kmeans结合共轭梯度法FR改进深度学习网络DBN的组合模型进行电力系统负荷预测，通过Kmeans聚类算法分批数据加快学习速率，同时将DBN无监督特征学习机制引入负荷预测模型中，再利用FR共轭梯度法进行优化，并将预测结果与预测所需时间分别和传统预测模型进行比较。本发明的优点：基于无监督特征学习这一视角展开，解决权重的选取带有一定的主观性这一问题，具有加快学习速率、提升预测精度优势，对保证电网安全稳定的运行具有十分重要的意义，为电力系统负荷预测提供一种新的预测方法。

主权项：1.一种基于Kmeans与FR-DBN的短期负荷预测方法，其特征在于：所述的基于Kmeans与FR-DBN的短期负荷预测方法，具体包括：利用Kmeans结合共轭梯度法FR改进深度学习网络DBN的组合模型进行电力系统负荷预测，通过Kmeans聚类算法分批数据加快学习速率，同时将DBN无监督特征学习机制引入负荷预测模型中，再利用FR共轭梯度法进行优化，并将预测结果与预测所需时间分别和传统预测模型进行比较；1通过Kmeans聚类算法分批数据加快学习速率，给定原始数据样本X，包含了n个对象X＝{X1,X2,X3,...,Xn}，其中每个对象都具有m个维度的属性，包括负荷数据、温度、湿度、过去1小时降水量；首先初始化k个聚类中心{C1,C2,C3,...,Ck},1＜k≤n，然后通过计算每一个对象到每一个聚类中心的欧式距离，如下式所示： 上式中，Xi表示第i个对象1≤i≤n,Cj表示第j个聚类中心的1≤j≤k,Xit表示第i个对象的第t个属性1≤t≤m,Cjt表示第j个聚类中心的第t个属性；依次比较每一个对象到每一个聚类中心的距离，将对象分配到距离最近的聚类中心的类簇中，得到k个类簇{S1,S2,S3,...,Sk}，即k批数据；2利用FR共轭梯度法对DBN模型进行优化，DBN由多个受限玻尔兹曼机RBM层组成，RBM是一个两层神经网络，第一层称为可见层，第二层称为隐藏层；隐藏层和可见层之间是全连接的，连接权重用矩阵W＝ωi,j表示，各层神经元之间是相互独立的；权重矩阵W＝ωi,j中的每个元素指定了隐层单元hj和可见层单元vi之间的权重；此外对于每个可见层单元vi有偏置ai，对每个隐层单元hj有偏置bj；对于给定的状态向量h和v，RBM的能量函数可以表示为：Ev,h＝-aΤv-bΤh-hΤWv根据能量函数可以得到隐含层和可见层之间的联合概率分布： 其中，Z为归一化因子，定义为在节点的所有可能取值下e-Ev,h的和；类似地，可见层取值的边缘分布通过对所有隐含层状态向量求和得到： RBM为一个二分图，层内没有边相连，隐含层是否激活在给定可见层节点取值的情况下是条件独立的，可见层节点的激活状态在给定隐含层取值的情况下也条件独立；对m个可见层节点和n个隐含层节点，状态向量v对h与h对v的条件概率分别如下： RBM里各层之间采用的是sigmoid激活函数。

全文数据：

权利要求：

百度查询： 国网辽宁省电力有限公司营口供电公司 国家电网有限公司 一种基于Kmeans与FR-DBN的短期负荷预测方法