【摘要】：隨著電力系統(tǒng)信息化程度的不斷提高,電網(wǎng)積累的數(shù)據(jù)量由TB級向PB級發(fā)展。研究電力負荷大數(shù)據(jù)分析算法并建立有效的知識發(fā)現(xiàn)模型能夠產(chǎn)生巨大的社會價值以及經(jīng)濟效益,因此其對智能電網(wǎng)的發(fā)展具有重大意義。例如,提升電力負荷預(yù)測結(jié)果的準確性關(guān)系到電網(wǎng)安全以及可靠供電,并且直接影響電網(wǎng)經(jīng)營企業(yè)的經(jīng)營決策與經(jīng)濟效益。而異常檢測不僅可以提升電力負荷預(yù)測的魯棒性,也有助于降低非技術(shù)性損失(Non-Technical Losses,NTL)。本文依托于863計劃中智能配用電大數(shù)據(jù)應(yīng)用關(guān)鍵技術(shù)課題(編號2015AA050203),其主要研究內(nèi)容如下:1.提出一種基于深度表示學(xué)習(xí)的電力負荷預(yù)測算法。電網(wǎng)系統(tǒng)中的負荷序列通常具有復(fù)雜的周期性,對外部特征(例如溫度)具有一定的敏感性,且不同用電類型(例如有功功率與無功功率)之間含有隱藏的相關(guān)性,這些因素都為預(yù)測模型帶來了極大的挑戰(zhàn)。因此,我們提出了NeuCast,它首次使用深度表示學(xué)習(xí)的方法來捕捉周期性、外部因素、用電類型與用電需求之間的非線性關(guān)系。我們在134個真實世界中的電力負荷序列上驗證了算法的有效性。2.提出一種在深度表示學(xué)習(xí)框架下的異常行為模式檢測算法。電力負荷序列中可能含有異常的模式(例如高溫負荷與設(shè)備故障、調(diào)試、檢修等),序列中的這些異常模式會直接影響到預(yù)測算法的準確性。因此,我們提出了NeuCast-AD,它通過深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)序列的隱層表示,并使用Autoplait算法檢測隱層表示中的異常區(qū)間,從而進一步提升電力負荷序列預(yù)測的準確率,降低其對異常區(qū)間的敏感性,并且提升算法的魯棒性。3.設(shè)計并實現(xiàn)了一個電力負荷預(yù)測的可視分析系統(tǒng)。電力負荷分析的任務(wù)不僅需要算法理論的支撐,也需要以大數(shù)據(jù)可視分析平臺為載體落地。本文設(shè)計了一套基于可視分析學(xué)標準流程系統(tǒng),來幫助電力系統(tǒng)專家結(jié)合自己的領(lǐng)域知識從豐富的用電行為數(shù)據(jù)中發(fā)現(xiàn)未知的趨勢和現(xiàn)象,并提供可靠,可理解的結(jié)果。本文使用該可視分析系統(tǒng)對中國某南部城市的電力負荷數(shù)據(jù)進行分析挖掘,得到了有價值的結(jié)論,這在一定程度上證明了系統(tǒng)的實用性。
【圖文】：

從大量文本語料中學(xué)習(xí)語義知識。Ｗｏｒｄ２Ｖｅｃ方法中代表性的方法主要為ＣＢＯＷ逡逑（Ｃｏｎｔｉｎｕｏｕｓ邋Ｂａｇ－ｏｆ－Ｗｏｒｄｓ）與Ｓｋｉｐ－Ｇｒａｍ，這兩種技術(shù)可以有效地抽取詞語的向量表逡逑示［３９］。如圖２－１所示，ＣＢＯＷ以某一個詞的上下文（前后若干個詞語，即窗口大�。╁义献鳛檩斎耄栽撛~作為輸出構(gòu)建神經(jīng)網(wǎng)絡(luò)，即在給定上下文的情況下，預(yù)測各個詞逡逑語出現(xiàn)的概率�？梢允褂霉剑ǎ玻保┬问交硎荆哄义希椋�，ｔ＾邋ｅｔｏ逡逑６，邋＝邋ｓｏｆｔｎｍｘｉ＇Ｗｊ邋？邋？邋？邐＾）邋＋邋６ｌ）邋＋邋６２）邋＋邋．．．邋＋邋６／）邐（２－１）逡逑ｔ＝ｉ—ｎ逡逑其中，Ｅ為共享的詞向量表示矩陣，假設(shè)詞表大小為ｉ，，編碼維度為ｒ■，，則ＥｅＩＴ〃。逡逑0表示詞語的獨熱編碼，ｎ為窗口大小，為第〖層神經(jīng)網(wǎng)絡(luò)的權(quán)重、偏置項逡逑與激活層幽數(shù)。ＣＢＯＷ使用ｉ邋—邋ｎ，邋—邋１，ｉ邋＋邋１，邐ｉ邋＋邋ｎ這些詞語作為輸入，預(yù)逡逑測第ｉ個詞語

輸入邋表不層邐隱藏層邋輸出逡逑圖２－１邋ＣＢＯＷ網(wǎng)絡(luò)框架逡逑詞語表不（ｗｏｒｄ邋ｅｍｂｅｄｄｉｎｇ）學(xué)習(xí)技術(shù)就是用于學(xué)習(xí)一個詞的低維向量表不。Ｗｏｒｄ２Ｖｅｃ逡逑是這一類學(xué)習(xí)方法的總稱，它使用無監(jiān)督的方式，通過詞語序列中的上下文關(guān)系逡逑從大量文本語料中學(xué)習(xí)語義知識。Ｗｏｒｄ２Ｖｅｃ方法中代表性的方法主要為ＣＢＯＷ逡逑（Ｃｏｎｔｉｎｕｏｕｓ邋Ｂａｇ－ｏｆ－Ｗｏｒｄｓ）與Ｓｋｉｐ－Ｇｒａｍ，這兩種技術(shù)可以有效地抽取詞語的向量表逡逑示［３９］。如圖２－１所示，ＣＢＯＷ以某一個詞的上下文（前后若干個詞語，即窗口大�。╁义献鳛檩斎�，以該詞作為輸出構(gòu)建神經(jīng)網(wǎng)絡(luò)，即在給定上下文的情況下，預(yù)測各個詞逡逑語出現(xiàn)的概率�？梢允褂霉剑ǎ玻保┬问交硎荆哄义希椋�，ｔ＾邋ｅｔｏ逡逑６，邋＝邋ｓｏｆｔｎｍｘｉ＇Ｗｊ邋？邋？邋？邐＾）邋＋邋６ｌ）邋＋邋６２）邋＋邋．．．邋＋邋６／）邐（２－１）逡逑ｔ＝ｉ—ｎ逡逑其中，Ｅ為共享的詞向量表示矩陣，假設(shè)詞表大小為ｉ，，編碼維度為ｒ■，則ＥｅＩＴ〃。逡逑0表示詞語的獨熱編碼
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM715;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 李琛;郭文利;吳進;金晨曦;;北京市夏季日最大電力負荷與氣象因子的關(guān)系[J];氣象與環(huán)境學(xué)報;2018年03期

2 周克男;劉進波;;基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)預(yù)測電力負荷[J];數(shù)學(xué)學(xué)習(xí)與研究;2016年23期

3 傅新姝;談建國;;基于濾波技術(shù)的上海日最大電力負荷氣象預(yù)報模型[J];氣象科技;2015年06期

4 葉殿秀;張培群;趙珊珊;夏鑫;柯宗建;王有民;劉秋鋒;;北京夏季日最大電力負荷預(yù)報模型建立方法探討[J];氣候與環(huán)境研究;2013年06期

5 黃元生;黎特;皮薇;;非平均權(quán)重條件下電力負荷組合預(yù)測模型研究[J];山東電力高等專科學(xué)校學(xué)報;2013年03期

6 盧華剛;;電力負荷控制技術(shù)及其在需求側(cè)管理中的應(yīng)用[J];機電信息;2011年18期

7 羅森波;紀忠萍;馬煜華;駱曉明;曾沁;林少冰;;2002～2004年廣東電力負荷的變化特征及預(yù)測[J];熱帶氣象學(xué)報;2007年02期

8 鄭瑞晨,張合明;南陽電力負荷無線雙向管理系統(tǒng)數(shù)據(jù)庫設(shè)計[J];水電能源科學(xué);2000年02期

9 羅慧莉;高速船直流電力負荷的簡化計算[J];船舶;1998年02期

10 張小平,王偉;短期電力負荷預(yù)報的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)方法[J];電力系統(tǒng)自動化;1998年01期

相關(guān)會議論文 前10條

1 浩宇;高紅燕;張宏芳;沈姣姣;;西安城市電力負荷特征及與氣象因子關(guān)系分析研究[A];第35屆中國氣象學(xué)會年會 S6 應(yīng)對氣候變化、低碳發(fā)展與生態(tài)文明建設(shè)[C];2018年

2 郭西進;郝繼飛;許世范;;加權(quán)平移法在電力負荷預(yù)報系統(tǒng)中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

3 張馳;王汝文;王明;;基于無線通訊和現(xiàn)場總線技術(shù)的電力負荷監(jiān)控系統(tǒng)的結(jié)構(gòu)設(shè)想[A];第五屆全國智能化電器及應(yīng)用研討會會議論文集[C];2001年

4 謝莊;丁德平;于麗萍;尤煥苓;鄭艷;虞海燕;;北京地區(qū)冷度日與電力的關(guān)系研究及預(yù)報[A];中國氣象學(xué)會2006年年會“氣候變化及其機理和模擬”分會場論文集[C];2006年

5 范進進;尹pひ

本文編號：2597049