基于數(shù)據(jù)驅(qū)動的用戶用能行為分析方法
發(fā)布時間:2021-10-22 17:20
隨著綜合能源系統(tǒng)的快速發(fā)展,為了滿足綜合能源系統(tǒng)聯(lián)合規(guī)劃的需要,亟需對綜合能源系統(tǒng)中用戶用能行為進(jìn)行分析建模;跀(shù)據(jù)驅(qū)動思想,引入了深度學(xué)習(xí)方法,提出了一種用于用戶用能行為分析的方法。首先,對影響用戶用能行為的數(shù)據(jù)類型、結(jié)構(gòu)進(jìn)行分析;然后,引入Seq2Seq技術(shù),以GRU為神經(jīng)元構(gòu)建深度學(xué)習(xí)模型;最后,通過算例對所提方法的有效性進(jìn)行驗證。算例研究表明:所提的方法能夠以海量歷史數(shù)據(jù)為基礎(chǔ),準(zhǔn)確預(yù)測出用戶的用能行為情況。
【文章來源】:智慧電力. 2020,48(09)北大核心
【文章頁數(shù)】:6 頁
【部分圖文】:
用戶用能行為數(shù)據(jù)的映射關(guān)系
GRU神經(jīng)元的內(nèi)部結(jié)構(gòu)如圖2所示。圖2中,以k時刻GRU神經(jīng)元輸入xk和k-1時刻GRU神經(jīng)元的中間狀態(tài)Ck-1(hk-1)為變量可以構(gòu)建GRU神經(jīng)元中更新門zk、重置門rk以及待定輸出值h?k,三者間的數(shù)學(xué)關(guān)系如式(1)所示:
與GRU不同的,Seq2Seq技術(shù)是將GRU神經(jīng)元堆疊、連接成一種特殊的Encoder-Decoder結(jié)構(gòu)。Encoder的功能在于將時序型輸入數(shù)據(jù)進(jìn)行編碼,得到一個固定長度的向量。Decoder的功能在于將固定長度的向量解碼,得到另外一個時序型的輸出數(shù)據(jù)。通過固定長度向量的連接,實現(xiàn)了輸入數(shù)據(jù)與輸出數(shù)據(jù)的時序不同步。其結(jié)構(gòu)如圖3所示。圖3中,輸入數(shù)據(jù)為X,輸出數(shù)據(jù)為Y。X0,X1,…,Xm表示用戶用能行為模型的輸入數(shù)據(jù),m表示用戶用能行為模型輸入數(shù)據(jù)的維度上限。Y0,Y1,…,Yn表示用戶用能行為模型的輸出數(shù)據(jù),n表示用戶用能行為模型輸出數(shù)據(jù)的維度上限。h0,h1,…,hn表示Encoder模型的輸出結(jié)果,該結(jié)果在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中舍棄。每組輸入數(shù)據(jù)輸入到Encoder模型中將產(chǎn)生一個中間狀態(tài),通過中間過程將產(chǎn)生的中間狀態(tài)變換為Decoder模型的輸入狀態(tài),最終得到Decoder模型的輸出數(shù)據(jù)即為用戶用能的需求數(shù)據(jù)。
【參考文獻(xiàn)】:
期刊論文
[1]全可再生能源熱電氣儲耦合供能系統(tǒng)優(yōu)化調(diào)控模型研究[J]. 李兵,牛洪海,余帆. 電網(wǎng)與清潔能源. 2020(07)
[2]基于Seq2Seq技術(shù)的輸電線路故障類型識別方法[J]. 饒超平,肖博文,嚴(yán)星,廖方帆,王琦婷. 智慧電力. 2020(05)
[3]計及設(shè)備啟停的含電轉(zhuǎn)氣園區(qū)能源互聯(lián)網(wǎng)兩階段優(yōu)化調(diào)度模型[J]. 林曉明,張勇軍,肖勇,錢斌. 廣東電力. 2019(10)
[4]基于電力大數(shù)據(jù)的用戶用電感知研究[J]. 關(guān)守姝,孟巖,韓偉,韓天華. 電力大數(shù)據(jù). 2019(10)
[5]基于物理-數(shù)據(jù)融合的數(shù)字化樓宇用電模型構(gòu)建方法[J]. 湯奕,韓嘯,張潮海. 供用電. 2019(10)
[6]基于用電大數(shù)據(jù)的臺戶關(guān)系識別方法研究[J]. 黃旭,王偉恒,吳雙,胡偉. 供用電. 2019(10)
[7]區(qū)域綜合能源系統(tǒng)規(guī)劃研究綜述[J]. 程浩忠,胡梟,王莉,劉育權(quán),于琪. 電力系統(tǒng)自動化. 2019(07)
[8]人工智能在電力系統(tǒng)及綜合能源系統(tǒng)中的應(yīng)用綜述[J]. 楊挺,趙黎媛,王成山. 電力系統(tǒng)自動化. 2019(01)
[9]機(jī)器學(xué)習(xí)在能源與電力系統(tǒng)領(lǐng)域的應(yīng)用和展望[J]. 程樂峰,余濤,張孝順,殷林飛. 電力系統(tǒng)自動化. 2019(01)
[10]計及多個獨立運營商的綜合能源系統(tǒng)分布式低碳經(jīng)濟(jì)調(diào)度[J]. 史佳琪,胡浩,張建華. 電網(wǎng)技術(shù). 2019(01)
碩士論文
[1]大數(shù)據(jù)智能電網(wǎng)用戶行為特征辨識與能效評估體系研究[D]. 徐超.華北電力大學(xué)(北京) 2017
本文編號:3451546
【文章來源】:智慧電力. 2020,48(09)北大核心
【文章頁數(shù)】:6 頁
【部分圖文】:
用戶用能行為數(shù)據(jù)的映射關(guān)系
GRU神經(jīng)元的內(nèi)部結(jié)構(gòu)如圖2所示。圖2中,以k時刻GRU神經(jīng)元輸入xk和k-1時刻GRU神經(jīng)元的中間狀態(tài)Ck-1(hk-1)為變量可以構(gòu)建GRU神經(jīng)元中更新門zk、重置門rk以及待定輸出值h?k,三者間的數(shù)學(xué)關(guān)系如式(1)所示:
與GRU不同的,Seq2Seq技術(shù)是將GRU神經(jīng)元堆疊、連接成一種特殊的Encoder-Decoder結(jié)構(gòu)。Encoder的功能在于將時序型輸入數(shù)據(jù)進(jìn)行編碼,得到一個固定長度的向量。Decoder的功能在于將固定長度的向量解碼,得到另外一個時序型的輸出數(shù)據(jù)。通過固定長度向量的連接,實現(xiàn)了輸入數(shù)據(jù)與輸出數(shù)據(jù)的時序不同步。其結(jié)構(gòu)如圖3所示。圖3中,輸入數(shù)據(jù)為X,輸出數(shù)據(jù)為Y。X0,X1,…,Xm表示用戶用能行為模型的輸入數(shù)據(jù),m表示用戶用能行為模型輸入數(shù)據(jù)的維度上限。Y0,Y1,…,Yn表示用戶用能行為模型的輸出數(shù)據(jù),n表示用戶用能行為模型輸出數(shù)據(jù)的維度上限。h0,h1,…,hn表示Encoder模型的輸出結(jié)果,該結(jié)果在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中舍棄。每組輸入數(shù)據(jù)輸入到Encoder模型中將產(chǎn)生一個中間狀態(tài),通過中間過程將產(chǎn)生的中間狀態(tài)變換為Decoder模型的輸入狀態(tài),最終得到Decoder模型的輸出數(shù)據(jù)即為用戶用能的需求數(shù)據(jù)。
【參考文獻(xiàn)】:
期刊論文
[1]全可再生能源熱電氣儲耦合供能系統(tǒng)優(yōu)化調(diào)控模型研究[J]. 李兵,牛洪海,余帆. 電網(wǎng)與清潔能源. 2020(07)
[2]基于Seq2Seq技術(shù)的輸電線路故障類型識別方法[J]. 饒超平,肖博文,嚴(yán)星,廖方帆,王琦婷. 智慧電力. 2020(05)
[3]計及設(shè)備啟停的含電轉(zhuǎn)氣園區(qū)能源互聯(lián)網(wǎng)兩階段優(yōu)化調(diào)度模型[J]. 林曉明,張勇軍,肖勇,錢斌. 廣東電力. 2019(10)
[4]基于電力大數(shù)據(jù)的用戶用電感知研究[J]. 關(guān)守姝,孟巖,韓偉,韓天華. 電力大數(shù)據(jù). 2019(10)
[5]基于物理-數(shù)據(jù)融合的數(shù)字化樓宇用電模型構(gòu)建方法[J]. 湯奕,韓嘯,張潮海. 供用電. 2019(10)
[6]基于用電大數(shù)據(jù)的臺戶關(guān)系識別方法研究[J]. 黃旭,王偉恒,吳雙,胡偉. 供用電. 2019(10)
[7]區(qū)域綜合能源系統(tǒng)規(guī)劃研究綜述[J]. 程浩忠,胡梟,王莉,劉育權(quán),于琪. 電力系統(tǒng)自動化. 2019(07)
[8]人工智能在電力系統(tǒng)及綜合能源系統(tǒng)中的應(yīng)用綜述[J]. 楊挺,趙黎媛,王成山. 電力系統(tǒng)自動化. 2019(01)
[9]機(jī)器學(xué)習(xí)在能源與電力系統(tǒng)領(lǐng)域的應(yīng)用和展望[J]. 程樂峰,余濤,張孝順,殷林飛. 電力系統(tǒng)自動化. 2019(01)
[10]計及多個獨立運營商的綜合能源系統(tǒng)分布式低碳經(jīng)濟(jì)調(diào)度[J]. 史佳琪,胡浩,張建華. 電網(wǎng)技術(shù). 2019(01)
碩士論文
[1]大數(shù)據(jù)智能電網(wǎng)用戶行為特征辨識與能效評估體系研究[D]. 徐超.華北電力大學(xué)(北京) 2017
本文編號:3451546
本文鏈接:http://sikaile.net/kejilunwen/dongligc/3451546.html
最近更新
教材專著