CN110490220B 一种母线负荷辨识方法和系统 （中国电力科学研究院有限公司）

号述待辨识母线的负荷辨识数据确定所述待辨识2根据所述待辨识母线的负荷辨识数据确定所述待辨识母线上各类用电负荷对应的负所述根据所述待辨识母线的负荷辨识数据确定所述待辨识母线上各类用电负荷对应将所述待辨识母线的负荷辨识数据代入预先建立的LSTM神经网络，采集母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据及其对应的依次将所述母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据及其糊聚类算法，以戴维森堡丁指数指标为聚类有效性的评价指标进行聚类分析和数据拟合，将虚拟母线的负荷辨识数据中的一部分负荷辨识数据作为初始LSTM神经网络的输入始LSTM神经网络的输出层训练样本，训练所述初始LSTM神经网络，获取所述预先建立的将虚拟母线的负荷辨识数据中的另一部分负荷辨识数据代入预先建立的LSTM神经网比较所述输出数据与母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序确定模块，用于根据所述待辨识母线的负荷辨将所述待辨识母线的负荷辨识数据代入预先建立的LSTM神经网络，3采集母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据及其对应的依次将所述母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据及其糊聚类算法，以戴维森堡丁指数指标为聚类有效性的评价指标进行聚类分析和数据拟合，将虚拟母线的负荷辨识数据中的一部分负荷辨识数据作为初始LSTM神经网络的输入始LSTM神经网络的输出层训练样本，训练所述初始LSTM神经网络，获取所述预先建立的将虚拟母线的负荷辨识数据中的另一部分负荷辨识数据代入预先建立的LSTM神经网比较所述输出数据与母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序4[0008]根据所述待辨识母线的负荷辨识数据确定所述待辨识母线上各类用电负荷对应[0014]采集母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据及其对[0015]依次将所述母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据5[0016]将虚拟母线的负荷辨识数据中的一部分负荷辨识数据作为初始LSTM神经网络的[0018]将虚拟母线的负荷辨识数据中的另一部分负荷辨识数据代入预先建立的LSTM神[0019]比较所述输出数据与母线历史时刻对应的母线上各类用电负荷对应的负荷功率[0028]采集母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据及其对[0029]依次将所述母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据[0030]将虚拟母线的负荷辨识数据中的一部分负荷辨识数据作为初始LSTM神经网络的[0032]将虚拟母线的负荷辨识数据中的另一部分负荷辨识数据代入预先建立的LSTM神[0033]比较所述输出数据与母线历史时刻对应的母线上各类用电负荷对应的负荷功率6LSTM神经网络对特定大型供电节点所包含的负荷类型进行辨识，如图1所示，所述方法包[0043]步骤102，根据所述待辨识母线的负荷辨识数据确定所述待辨识母线上各类用电[0049]采集母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据及其对[0050]依次将所述母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据7[0051]将虚拟母线的负荷辨识数据中的一部分负荷辨识数据作为初始LSTM神经网络的[0053]将虚拟母线的负荷辨识数据中的另一部分负荷辨识数据代入预先建立的LSTM神[0054]比较所述输出数据与母线历史时刻对应的母线上各类用电负荷对应的负荷功率[0056]步骤1、从用采系统或用户能量管理系统中收集标准年母线上各类用电负荷的功母线的各类用电负荷对应的负荷变化序列。[0063]步骤S1-3：采用基于粒子群优化的模糊聚类算法，以戴维森堡丁指数(Davies-万条)不同负荷构成的虚拟母线的负荷辨识数据。将虚拟母线的负荷辨识数据中任意80%8LSTM神经网络的测试样本输入数据，表示j时刻母线的负荷功率时序数据及其对应的外部[0079]采集母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据及其对[0080]依次将所述母线历史时刻对应的母线上各类用电负荷对应的负荷功率时序数据[0081]将虚拟母线的负荷辨识数据中的一部分负荷辨识数据作为初始LSTM神经网络的[0083]将虚拟母线的负荷辨识数据中的另一部分负荷辨识数据代入预先建立的LSTM神[0084]比较所述输出数据与母线历史时刻对应的母线上各类用电负荷对应的负荷功率9现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0087]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设