【摘要】：隨著電力系統信息化程度的不斷提高,電網積累的數據量由TB級向PB級發(fā)展。研究電力負荷大數據分析算法并建立有效的知識發(fā)現模型能夠產生巨大的社會價值以及經濟效益,因此其對智能電網的發(fā)展具有重大意義。例如,提升電力負荷預測結果的準確性關系到電網安全以及可靠供電,并且直接影響電網經營企業(yè)的經營決策與經濟效益。而異常檢測不僅可以提升電力負荷預測的魯棒性,也有助于降低非技術性損失(Non-Technical Losses,NTL)。本文依托于863計劃中智能配用電大數據應用關鍵技術課題(編號2015AA050203),其主要研究內容如下:1.提出一種基于深度表示學習的電力負荷預測算法。電網系統中的負荷序列通常具有復雜的周期性,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性,這些因素都為預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習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習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(例如高溫負荷與設備故障、調試、檢修等),序列中的這些異常模式會直接影響到預測算法的準確性。因此,我們提出了NeuCast-AD,它通過深度神經網絡學習序列的隱層表示,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.設計并實現了一個電力負荷預測的可視分析系統。電力負荷分析的任務不僅需要算法理論的支撐,也需要以大數據可視分析平臺為載體落地。本文設計了一套基于可視分析學標準流程系統,來幫助電力系統專家結合自己的領域知識從豐富的用電行為數據中發(fā)現未知的趨勢和現象,并提供可靠,可理解的結果。本文使用該可視分析系統對中國某南部城市的電力負荷數據進行分析挖掘,得到了有價值的結論,這在一定程度上證明了系統的實用性。
【圖文】：

從大量文本語料中學習語義知識。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�，以該詞作為輸出構建神經網絡，即在給定上下文的情況下，預測各個詞逡逑語出現的概率。可以使用公式（２－１）形式化表示：逡逑ｉ＋ｎ，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〖層神經網絡的權重、偏置項逡逑與激活層幽數。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網絡框架逡逑詞語表不（ｗｏｒｄ邋ｅｍｂｅｄｄｉｎｇ）學習技術就是用于學習一個詞的低維向量表不。Ｗｏｒｄ２Ｖｅｃ逡逑是這一類學習方法的總稱，它使用無監(jiān)督的方式，通過詞語序列中的上下文關系逡逑從大量文本語料中學習語義知識。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�，以該詞作為輸出構建神經網絡，即在給定上下文的情況下，預測各個詞逡逑語出現的概率。可以使用公式（２－１）形式化表示：逡逑ｉ＋ｎ，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
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM715;TP183

【相似文獻】

相關期刊論文 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系[J];氣象與環(huán)境學報;2018年03期

2 周克男;劉進波;;基于主成分分析的BP神經網絡預測電力負荷[J];數學學習與研究;2016年23期

3 傅新姝;談建國;;基于濾波技術的上海日最大電力負荷氣象預報模型[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;;非平均權重條件下電力負荷組合預測模型研究[J];山東電力高等�？茖W校學報;2013年03期

6 盧華剛;;電力負荷控制技術及其在需求側管理中的應用[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測[J];熱帶氣象學報;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數據庫設計[J];水電能源科學;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;短期電力負荷預報的自適應模糊神經網絡方法[J];電力系統自動化;1998年01期

相關會議論文 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系分析研究[A];第35屆中國氣象學會年會 S6 應對氣候變化、低碳發(fā)展與生態(tài)文明建設[C];2018年

2 郭西進;郝繼飛;許世范;;加權平移法在電力負荷預報系統中的應用[A];1995年中國智能自動化學術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;;基于無線通訊和現場總線技術的電力負荷監(jiān)控系統的結構設想[A];第五屆全國智能化電器及應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)冷度日與電力的關系研究及預報[A];中國氣象學會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