[发明专利]一种表征冲击负荷功率特性的电力负荷模拟方法

权利要求书

1.一种表征冲击负荷功率特性的电力负荷模拟方法，其特征在于包括以下步骤：

1)采集大功率电力设备的冲击负荷的原始数据并进行预处理，然后选择某次冲击发生时的数据，用于后续基于数据建模；

2)将数据集转化为有监督学习问题，充分考虑数据中的时序信息，利用当前时刻的电压和以前时刻的电压、功率来预测当前时刻的功率数据；

3)构建LSTM长短时记忆网络模型；

4)确定损失函数，输入训练数据，通过最小化损失函数训练模型，不断更新网络权重，最后得到训练好的模型；

5)为验证模型泛化性，训练完成后，选择另外一次冲击时的数据为测试集，对测试集的数据进行与步骤1)相同的数据采集、预处理和步骤2)相同的数据转换处理后，输入建立好的模型，分析模型性能，证明算法的有效性和模型的泛化性；

6)模型验证完成后，对于需要模拟的大功率电力设备采集冲击负荷的实测数据输入模型系统，实现对大功率设备冲击负荷功率变化的模拟；

步骤2)中，数据集转化为有监督学习问题，在对当前时刻有功功率和无功功率进行回归时，每一个样本中均不仅包含当前时刻的电压、功率，还包含前n个样本的电压、功率数据，即建模时考虑前n个样本的对当前时刻的影响；

当前时刻t的输出按下面公式所示：

p(t)＝f(u(t),u(t-1),…,u(t-n),p(t-1),…,p(t-n)

q(t)＝f(u(t),u(t-1),…,u(t-n),q(t-1),…,q(t-n)

数据集转化时，将样本转化为如下的矩阵形式：

式中，P为有功功率、Q为无功功率，u为电压，t为当前时刻，m是样本量大小，因为建模考虑前n个样本对当前时刻的影响，因此构建数据矩阵时，m值等于数据总条数减去n，数据矩阵中，最后一列是目标值，其它列为特征值。

2.根据权利要求1所述的一种表征冲击负荷功率特性的电力负荷模拟方法，其特征在于：步骤1)中，采集的冲击负荷的原始数据包括电压、有功功率、无功功率，预处理主要包括插值算法填补数据缺失值和数据归一化，用来建模的某次冲击数据样本至少10000条。

3.根据权利要求1所述的一种表征冲击负荷功率特性的电力负荷模拟方法，其特征在于：步骤3)中，构建的模型采用四层网络结构，包括一个输入层、一个LSTM层、一个Dropout层，和一个全连接层，最后输出回归预测结果。

4.根据权利要求1所述的一种表征冲击负荷功率特性的电力负荷模拟方法，其特征在于：步骤4)中，损失函数选择均方误差MSE，公式如下：

其中ρ_i'为拟合结果，ρ_i为真实数据，k为对比数据的个数。

5.根据权利要求1所述的一种表征冲击负荷功率特性的电力负荷模拟方法，其特征在于：步骤4)中，优化器选用Adam自适应矩估计算法替代传统随机梯度下降过，利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率，更新网络权重。

6.根据权利要求1所述的一种表征冲击负荷功率特性的电力负荷模拟方法，其特征在于：步骤4)中，模型训练时，打乱样本顺序后，选取70％数据进行训练，30％数据进行验证。

7.根据权利要求1所述的一种表征冲击负荷功率特性的电力负荷模拟方法，其特征在于：步骤5)中，选择另外一次冲击发生时的数据作为测试集，通过分析损失函数变化和模型准确度来评价模型性能。

8.根据权利要求2所述的一种表征冲击负荷功率特性的电力负荷模拟方法，其特征在于：填补数据缺失值时，采用缺省值前一时刻的数据来填补当前的缺省值；归一化将数据映射到0-1区间，消除不同变量量纲的影响，采用Min-Max Normalization，具体公式如下：

其中，其中Xnorm为归一化后的数据，X为原始数据，Xmax、Xmin分别为原始数据集的最大值和最小值。