欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022109924457
申请人: 金陵科技学院
专利类型:发明专利
专利状态:已下证
专利领域: 发电、变电或配电
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于云计算的电力负荷预测方法,其特征在于:具体包括以下步骤:S1:选取电力负荷数据;

S2:使用正交最小二乘法OLS求取径向基函数的中心向量,同时设置阈值检测径向基函数的中心向量,若不满足阈值则调整隐含层神经元数重新计算,具体计算步骤如下:S2.1:将实际的电力负荷数据作为样本数T,设At为输入向量,Bt为期望向量,两者都为维数相同的向量,et为输入向量与输入向量的绝对误差,t的取值范围为1,2,…T,可得公式:S2.2:将RBF神经网络的隐含层神经元数量设为H,初始情况下一般为1,wh为权重矩阵,Oh(t)为回归算子,h的取值范围为1,2,…H,可得Bt的计算公式:S2.3:将式(2)表示为矩阵:

B=OWH+e    (3)

S2.4:使用正交三角QR分解方法,将O表示为矩阵Q和上三角矩阵R,具体公式如下:B=QRWH+e    (4)

S2.5:将RW表示为qh,根据正交最小二乘法,得最小二乘解,公式如下:S2.6:选用施密特正交化方法进行计算来减少误差,确定值sh,具体公式如下:S2.7:设置阈值z,选取满足公式(7)的输入向量作为中心向量ck,k的取值为小于T的整数:若没有满足条件的中心向量ck,则调整Bt和H后重新计算;

S3:在云计算环境中使用k-means算法,结合MapReduce架构来调整径向基函数的中心向量并计算扩展参数,使用等式测算扩展参数,满足则进行下一步,不满足则重新选取输入数据;

S4:计算权值并运行RBF神经网络;

S5:输出电力负荷数据预测值。

2.根据权利要求1所述的一种基于云计算的电力负荷预测方法,其特征在于:所述S3的具体计算步骤如下:S3.1:将电力负荷数据样本集合和OLS确认的中心向量ck输入,表示为ck(n),n代表迭代次数;

S3.2:计算欧式距离D,At(n)表示在由At中随机抽取的数据代表的第n次迭代的输入数据,如输入向量与某一中心向量的D值最小,则将这一输入向量归入到这一聚类点集合Jk中,具体公式如下:D=arg||At(n)-ck(n)||    (8)S3.3:获取新的聚类中心ck(n)',表示集合Jk中子集的数量,计算公式如下:S3.4:如满足式(10),则ck(n)'为新的中心向量,进入步骤S3.5,不满足返回步骤S3.2,重新随机抽取数据:ck(n)'=ck(n+1)'    (10)S3.5:计算中心向量之间的距离Dc,X表示重叠系数n/2,系数S的计算公式如下所示:Dc=||ck(n)'-ck||    (11)S=DcX    (12)

3.根据权利要求1所述的一种基于云计算的电力负荷预测方法,其特征在于:所述S3中的云计算环境为Hadoop的云计算环境。

4.根据权利要求1所述的一种基于云计算的电力负荷预测方法,其特征在于:所述S4中计算权值包括以下步骤:S4.1:计算径向基函数,Ch'表示这一神经元下At对应的中心向量,具体公式如下:S4.2:计算权值wth:

wth=(FTF)AtF    (14)

5.根据权利要求1所述的一种基于云计算的电力负荷预测方法,其特征在于:所述S5中输出的电力负荷数据预测值即为RBF神经网络的输出值Y: