[发明专利]一种基于RNN-RBM的配网馈线长期负荷预测方法

权利要求书

1.一种基于RNN-RBM的配网馈线长期负荷预测方法，其特征在于，包括：

获取配网馈线历史负荷数据，并对其进行数据预处理；

提取所述配网馈线历史负荷数据中用于配网馈线长期负荷预测的特征，所述特征包括自上而下特征和自下而上特征；

将所述配网馈线历史负荷数据和所述特征输入至循环神经网络RNN-受限玻尔兹曼机RBM中，对所述RNN-RBM中的模型进行训练，得到负荷预测网络混合模型，其中，所述对所述RNN-RBM中的模型进行训练，包括：

所述RNN-RBM包括t个RNN网络和t个RBM网络，其中，RBM的可见层和RNN的可见层相同；

对于第t个RNN网络，可见层和隐藏层分别有v^(T)和神经元，其中隐藏层神经元计算式为：

其中，σ为sigmoid函数，W为可见层神经元和隐藏层神经元之间的连接权重；

对于第t个RBM网络，可见层和隐藏层分别有v^(T)和h^(T)神经元，可见层和隐藏层神经元的偏置向量计算式分别为：

和

RBM的隐藏层神经元的激活概率为：

P(h_i＝1|v)＝σ(b_h+Wv)_i；

RBM的可见层神经元的激活概率为：

P(v_j＝1|h)＝σ(b_v+W^Th)_j；

RNN-RBM的联合概率为：

其中，A^(t)为所有t时刻之前的{v,h}集合；

利用交叉熵误差对所述配网馈线历史负荷数据进行计算预测误差，进行参数优化，直至误差达到最小；

所述交叉熵误差表达公式为：

其中，X为输入训练集的分布，为拟合模型重构训练集的分布

将所述配网馈线历史负荷数据输入至所述负荷预测网络混合模型，得到对配网馈线长期负荷的预测值；

根据评价指标，对所述预测值进行评估，完成配网馈线长期负荷预测，其中，所述评价指标为平均绝对百分比误差MAPE，所述MAPE表达式为：

其中，n为预测总次数；x_act(i)和x_pred(i)分别为i时刻的负荷真实值和预测值。

2.根据权利要求1所述的配网馈线长期负荷预测方法，其特征在于，所述数据预处理包括对获取缺失的配网馈线历史负荷数据进行补充处理、对有误或超过许可范围的配网馈线历史负荷数据进行修正处理，并将处理后的配网馈线历史负荷数据作为负荷预测网络混合模型输入。

3.根据权利要求1所述的配网馈线长期负荷预测方法，其特征在于，所述自上而下特征包括经济特征、人口特征和温度特征；所述自下而上特征包括大客户净负荷变化特征和馈线负载组成特征。