一种基于深度森林的需求响应潜力评估方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113919594A(43)申请公布日2022.01.11(21)申请号202111366499.4G06N3/08(2006.01)(22)申请日2021.11.18G06N3/04(2006.01)G06N20/20(2019.01)(71)申请人贵州电网有限责任公司地址550002贵州省贵阳市南明区滨河路17号(72)发明人谈竹奎冯圣勇吕黔苏徐玉韬刘斌林呈辉胡厚鹏李鹏程丛中笑(74)专利代理机构贵阳中新专利商标事务所52100代理人商小川(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q50/06(2012.01)权利要求书2页说明书4页附图2页(54)发明名称一种基于深度森林的需求响应潜力评估方法(57)摘要本发明公开了一种基于深度森林的需求响应潜力评估方法，它包括：采集用户用电历史数据和柔性负荷数据进行预处理，得到用户需求响应潜力分析数据，分为训练数据及验证数据；对所述训练数据进行抽样处理，得到抽样数据；根据BP反向传播算法将所述抽样数据作为输入生成并训练神经网络，根据数据规模与精度要求建立若干个神经网络识别模型；并将所述神经网络进行并联组合成深度森林模型；对深度森林模型进行验证；将目标用户的需求响应潜力分析数据输入至训练好的深度森林模型需求响应潜力预测，完成对目标用户的需求响应潜力评估；解决了现有技术方法耗费大量时间人力物力，且效果不佳，信息量少，用户接受程度较低等技术问题。CN113919594ACN113919594A权利要求书1/2页1.一种基于深度森林的需求响应潜力评估方法，它包括：步骤S1、采集用户用电历史数据和柔性负荷数据；步骤S2、对用电历史数据和柔性负荷数据进行预处理，得到用户需求响应潜力分析数据，并将用户需求响应潜力分析数据分为训练数据及验证数据；S3、根据Bootstrap法对所述训练数据进行抽样处理，得到抽样数据；S4、根据BP反向传播算法将所述抽样数据作为输入生成并训练神经网络，根据数据规模与精度要求建立若干个神经网络识别模型；并将所述神经网络进行并联组合成深度森林模型；S5、通过验证数据对深度森林模型进行验证，当误差率低于预设阈值时，结束模型训练；S6、将目标用户的需求响应潜力分析数据输入至训练好的深度森林模型，深度森林模型对目标用户进行需求响应潜力预测，完成对目标用户的需求响应潜力评估。2.根据权利要求1所述的一种基于深度森林的需求响应潜力评估方法，其特征在于：用户用电历史数据的获取，包括：用户的日负荷率、日峰值负荷、日谷值负荷、日平均负荷和日负荷曲线。3.根据权利要求1所述的一种基于深度森林的需求响应潜力评估方法，其特征在于：柔性负荷数据包括：环境温度，柔性负荷的类型，柔性负荷的数量和柔性负荷的额定功率。4.根据权利要求1所述的一种基于深度森林的需求响应潜力评估方法，其特征在于：所述预处理包括：通过归一化算法对用户总线电气原始数据进行归一化处理，归一化处理公式：a'表示归一化后的结果，a表示该特征数据，amax表示该类特征数据的最大值，amin表示该类特征数据的最小值；对归一化处理后的数据进行缺失值填充；所述缺失值填充方法为拉格朗日插值法；噪声值包括异常值及重复值；对异常值与重复值的处理方法是将其剔除；基于独热编码对用户需求响应潜力分析数据的离散型型特征数据进行处理。5.根据权利要求1所述的一种基于深度森林的需求响应潜力评估方法，其特征在于：根据BP反向传播算法将所述抽样数据作为输入生成并训练神经网络的方法为：BP反向传播算法是一种反向传播算法，用于构建神经网络；BP算法的学习过程由正向传播过程和反向传播过程组成；在正向传播过程中，输入信息通过输入层经隐含层，逐层处理并传向输出层；如果在输出层得不到期望的输出值，则取输出与期望的误差的平方和作为目标函数，转入反向传播，逐层求出目标函数对各神经元权值的偏导数，构成目标函数对权值向量的梯量，作为修改权值的依据，网络的学习在权值修改过程中完成；误差达到所期望值时，网络学习结束。6.根据权利要求1所述的一种基于深度森林的需求响应潜力评估方法，其特征在于：将所述神经网络进行并联组合成深度森林模型的方法为：将各个神经网络并联组合起来形成组合识别模型，每个神经网络通过输出等权求和来决定最终输出，即组成深度森林模型。2CN113919594A权利要求书2/2页7.根据权利要求1所述的一种基于深度森林的需求响应潜力评估方法，其特征在于：S5所述通过验证数据对深度森林模型进行验证，当误差率低于预设阈值时，结束模型训练的具体方法为:使用验证集判断模型准确度，如果模型准确率满足要求，则结束模型训练，若不满足,则返回调整深度森林的组成