基于改进F-score特征选择及粒子群BP神经网络的负荷辨识方法_CN-110570091-A_宋岩_国网上海市电力公司, 华东电力, 星环科技.pdf
免费下载
(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
(43)申请公布日
(21)申请号 201910738261.6
(22)申请日 2019 .08 .12
(71)申请人 国网上海市电力公司
地址 200002 上海市浦东新区中国（上海）
自由贸易试验区源深路1122号
申请人 华东电力试验研究院有限公司
星环信息科技(上海)有限公司
(72)发明人 宋岩 解梁军 郭乃网 庞天宇
沈泉江 陈睿 杨栋 陈开能
陈斌
(74)专利代理机构 上海科盛知识产权代理有限
公司 31225
代理人 赵继明
(51)Int .Cl .
G06Q
10/06
(2012 .01)
G06Q
50/06
(2012 .01)
G06N
3/08
(2006.01)
(54)发明名称
基于改进F-score特征选择及粒子群BP神经
网络的负荷辨识方法
(57)摘要
本发明涉及一种基于改进F-score特征选择
及粒子群BP神经网络的负荷调度方法，该方法包
括以下步骤：步骤1：根据改进的F-score特征评
价准则对影响负荷的因素进行衡量；步骤2：利用
F-score_Area法通过设定阈值选取最优特征子
集；步骤3：将最优特征子集作为输入通过粒子群
BP神经网络后得到负荷预测结果；步骤4：根据负
荷预测结果对电网运行作出匹配负荷调度。与现
有技术相比 ，本发明具有误差更小，计算稳定性
好等优点。
权利要求书2页 说明书10页 附图3页
CN 110570091 A
2019.12.13
CN 110570091 A
1 .一种基于改进F-score特征选择及粒子群BP神经网络的负荷调度方法，其特征在于，
该方法包括以下步骤：
步骤1：根据改进的F-score特征评价准则对影响负荷的因素进行衡量；
步骤2：利用F-score_Area法通过设定阈值选取最优特征子集；
步骤3：将最优特征子集作为输入通过粒子群BP神经网络后得到负荷预测结果；
步骤4：根据负荷预测结果对电网运行作出匹配负荷调度。
2.根据权利要求1所述的一种基于改进F-score特征选择及粒子群BP神经网络的负荷
辨识方法，其特征在于，所述的步骤1具体包括：对影响负荷的因素按比例获取训练样本，计
算训练样本中数据的F-score值，计算完毕后将计算得到的F-score值进行降序排列，即对
影响负荷的因素进行衡量。
3 .根据权利要求2所述的一种基于改进F-score特征选择及粒子群BP神经网络的负荷
辨识方法，其特征在于，所述的F-score值的计算公式为：
式中，F
i
表示F-score值， 和 分别表示第i个特征在整个数据集上的平均值以及在
第j类数据集上的平均值， 表示第j类第k个样本第i个特征的特征值。
4 .根据权利要求1所述的一种基于改进F-score特征选择及粒子群BP神经网络的负荷
辨识方法，其特征在于，所述的步骤2具体包括：对经过降序排列的所有特征的F-score值将
其中相邻两个特征的F-score值与坐标轴围成的面积进行积分并累加，得到S曲线后将阈值
确定问题转变为求曲线S拐点问题，并将阈值定义为S二阶差分的最大值以最终选取最优特
征子集。
5 .根据权利要求4所述的一种基于改进F-score特征选择及粒子群BP神经网络的负荷
辨识方法，其特征在于，所述的S曲线的描述公式为：
式中，S
n
表示S曲线函数值，f
i
,i＝1 ,2 ,...,n表示各个特征的F-score值。
6 .根据权利要求4所述的一种基于改进F-score特征选择及粒子群BP神经网络的负荷
辨识方法，其特征在于，所述的S二阶差分的最大值的描述公式为：
f(i)＝(S
i1+1
-S
i1
)-(S
i1
-S
i1-1
) ,i1＝1 ,2 ,...,n-1 ,S
0
＝0
式中，f(i)表示S二阶差分的最大值。
7 .根据权利要求1所述的一种基于改进F-score特征选择及粒子群BP神经网络的负荷
辨识方法，其特征在于，所述的步骤3包括以下分步骤：
步骤31：根据选取的最优特征子集，初始化BP神经网络，并对输入的特征子集进行归一
化处理；
权 利 要 求 书
1/2 页
2
CN 110570091 A
2
of 16
免费下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论