一种调度运行信息稀疏编码方法、系统和可读存储介质技术方案

技术编号:22363454 阅读:38 留言:0更新日期:2019-10-23 04:28
本发明专利技术提供一种调度运行信息稀疏编码方法、系统和可读存储介质,所述方法包括:获取调度运行信息的历史数据,并对历史数据内容进行预处理,得到历史基础数据集{x1,x2,…xm};将历史基础数据集{x1,x2,…xm}中的个性特征词组删除,并获得基础数据集{x1′,x2′,…xm′};对基础数据集{x1′,x2′,…xm′}的共性特征词组整合处理,并获得基础数据集{x1″,x2″,…xm″};基于字典学习算法对基础数据集{x1″,x2″,…xm″}进行分析处理,并获得字典矩阵B;接收待分析的调度运行信息,利用字典矩阵B对其进行稀疏编码并对其稀疏程度进行评估;本发明专利技术引入人工智能领域广泛应用的字典学习算法,构建了面向电力系统调度运行信息的稀疏编码方法,开创了字典学习算法在电力系统调度运行信息领域的应用,具有重要的意义。

A sparse coding method, system and readable storage medium for scheduling operation information

【技术实现步骤摘要】
一种调度运行信息稀疏编码方法、系统和可读存储介质
本专利技术涉及电力领域,尤其涉及一种调度运行信息稀疏编码方法、系统和可读存储介质。
技术介绍
运行控制信息稀疏编码是复杂系统决策控制的基础问题,也是大数据技术应用的前置要求。特别是在电力系统中,随着电网规模的不断扩大,运行信息的数据规模与复杂程度不断增大,对其编码效率提出了更高的要求。虽然目前已经有提出一些方法,但从实际效果来看,面对复杂系统,传统的方法在稀疏度、执行效率等方面仍不尽如人意。在传统方法解决复杂系统稀疏编码问题捉襟见肘的情况下,人工智能算法为该问题提供了新的解决思路。特别是以字典学习为代表的半监督机器学习方法已在机械设计、系统控制等领域得到了广泛关注。然而,目前尚未出现将半监督机器学习方法应用于电力系统调度运行信息领域的相关技术。
技术实现思路
为了解决上述至少一个技术问题,本专利技术提出了一种调度运行信息稀疏编码方法、系统和可读存储介质。为了实现上述目的,本专利技术第一方面提出了一种调度运行信息稀疏编码方法,包括:获取调度运行信息的历史数据,并对历史数据内容进行预处理,得到历史基础数据集{x1,x2,…xm};将历史基础数据集{x1,x2,…xm}中的个性特征词组删除,并获得基础数据集{x1′,x2′,…xm′};对基础数据集{x1′,x2′,…xm′}的共性特征词组整合处理,并获得基础数据集{x1″,x2″,…xm″};基于字典学习算法对基础数据集{x1″,x2″,…xm″}进行分析处理,并获得字典矩阵B;接收待分析的调度运行信息,利用字典矩阵B对其进行稀疏编码并对其稀疏程度进行评估。本方案中,接收待分析的调度运行信息,利用字典矩阵B对其进行稀疏编码并对其稀疏程度进行评估,还包括:接收待分析的调度运行信息;将所述调度运行信息中的个性特征词组删除;对已删除个性特征词组的调度运行信息中的共性特征词组整合,并获得待分析的基础数据集xr;根据所述基础数据集xr和字典矩阵B,得到所述调度运行信息的稀疏表示向量αr=xr/B。本方案中,基于给定的基础数据集{x1″,x2″,…xm″},将字典矩阵B的求解要求表示为:其中,m为基础数据集数据量,B为待求解的字典矩阵,αi为基础数据集中xi″以字典矩阵B为参照后编码所得的表示向量,λ为拟合系数。进一步的,采用交替优化策略求解式以获得给定基础数据集{x1″,x2″,…xm″}的字典矩阵B。进一步的,采用交替优化策略求解式以获得给定基础数据集{x1″,x2″,…xm″}的字典矩阵B,还包括:固定字典矩阵B,利用最小绝对收缩选择算法优化编码向量αi;固定编码向量αi,利用KSVD算法优化字典矩阵B;对迭代前后的字典矩阵B和编码向量αi的偏差进行判定,当偏差在给定阈值范围内,视为优化收敛,否则不收敛。本方案中,所述调度运行信息稀疏编码方法,还包括:接收由人工确定各电网调度运行信息的个性特征集,并根据所述个性特征集将历史基础数据集{x1,x2,…xm}的个性特征词组删除;和/或根据电网调度运行共性习惯,将具有共性的特征词组整合为一个字符,并将共性特征词组定义为共性特征集,基于所述共性特征集对基础数据集{x1′,x2′,…xm′}的共性特征词组整合处理,以获得基础数据集{x1″,x2″,…xm″}。本专利技术第二方面还提出一种调度运行信息稀疏编码系统,所述调度运行信息稀疏编码系统包括:存储器及处理器,所述存储器中包括一种调度运行信息稀疏编码方法程序,所述调度运行信息稀疏编码方法程序被所述处理器执行时实现如下步骤:获取调度运行信息的历史数据,并对历史数据内容进行预处理,得到历史基础数据集{x1,x2,…xm};将历史基础数据集{x1,x2,…xm}中的个性特征词组删除,并获得基础数据集{x1′,x2′,…xm′};对基础数据集{x1′,x2′,…xm′}的共性特征词组整合处理,并获得基础数据集{x1″,x2″,…xm″};基于字典学习算法对基础数据集{x1″,x2″,…xm″}进行分析处理,并获得字典矩阵B;接收待分析的调度运行信息,利用字典矩阵B对其进行稀疏编码并对其稀疏程度进行评估。本方案中,接收待分析的调度运行信息,利用字典矩阵B对其进行稀疏编码并对其稀疏程度进行评估,还包括:接收待分析的调度运行信息;将所述调度运行信息中的个性特征词组删除;对已删除个性特征词组的调度运行信息中的共性特征词组整合,并获得待分析的基础数据集xr;根据所述基础数据集xr和字典矩阵B,得到所述调度运行信息的稀疏表示向量αr=xr/B。本方案中,基于字典学习算法对基础数据集{x1″,x2″,…xm″}进行分析处理,并获得字典矩阵B,还包括:基于给定的基础数据集{x1″,x2″,…xm″},将字典矩阵B的求解要求表示为:其中,m为基础数据集数据量,B为待求解的字典矩阵,αi为基础数据集中xi″以字典矩阵B为参照后编码所得的表示向量,λ为拟合系数;采用交替优化策略求解式以获得给定基础数据集{x1″,x2″,…xm″}的字典矩阵B,具体包括如下步骤:固定字典矩阵B,利用最小绝对收缩选择算法优化编码向量αi;固定编码向量αi,利用KSVD算法优化字典矩阵B;对迭代前后的字典矩阵B和编码向量αi的偏差进行判定,当偏差在给定阈值范围内,视为优化收敛,否则不收敛。本专利技术第三方面还提出一种计算机可读存储介质,所述计算机可读存储介质中包括一种调度运行信息稀疏编码方法程序,所述调度运行信息稀疏编码方法程序被处理器执行时,实现如上述的一种调度运行信息稀疏编码方法的步骤。本专利技术引入人工智能领域广泛应用的字典学习算法,构建了面向调度运行信息的稀疏编码方法,通过定义共性特征集和个性特征集有效的提升了编码的稀疏度,对提升调度运行信息分析能力具有重要作用。另外,基于字典学习的调度运行信息稀疏编码方法所获得的字典矩阵用于稀疏编码时,所获得的编码往往具有一定的稀疏程度,同时不至于过于稀疏,造成信息量偏低的问题,进而符合大数据技术应用对数据稀疏程度的基本要求。本专利技术的附加方面和优点将在下面的描述部分中给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。附图说明图1示出了本专利技术一种调度运行信息稀疏编码方法的流程图;图2示出了本专利技术利用字典矩阵B对调度运行信息进行稀疏编码的方法流程图;图3示出了面向调度运行信息的稀疏编码实施框架图;图4示出了本专利技术求解字典矩阵B的方法流程图;图5示出了本专利技术求解字典矩阵B的主要实施流程图;图6示出了本专利技术一种调度运行信息稀疏编码系统的框图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点,下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术,但是,本专利技术还可以采用其他不同于在此描述的其他方式来实施,因此,本专利技术的保护范围并不受下面公开的具体实施例的限制。图1示出了本专利技术一种调度运行信息稀疏编码方法的流程图。如图1所示,本专利技术第一方面提出一种调度运行信息稀疏编码方法,包括:S102,获取调度运行信息的历史数据,并对历史数据内容进行预处理,得到历史基础数据集{x1,x2,…xm};S104,将历史基础本文档来自技高网...

【技术保护点】
1.一种调度运行信息稀疏编码方法,其特征在于,包括:获取调度运行信息的历史数据,并对历史数据内容进行预处理,得到历史基础数据集{x1,x2,…xm};将历史基础数据集{x1,x2,…xm}中的个性特征词组删除,并获得基础数据集{x1′,x2′,…xm′};对基础数据集{x1′,x2′,…xm′}的共性特征词组整合处理,并获得基础数据集{x1″,x2″,…xm″};基于字典学习算法对基础数据集{x1″,x2″,…xm″}进行分析处理,并获得字典矩阵B;接收待分析的调度运行信息,利用字典矩阵B对其进行稀疏编码并对其稀疏程度进行评估。

【技术特征摘要】
1.一种调度运行信息稀疏编码方法,其特征在于,包括:获取调度运行信息的历史数据,并对历史数据内容进行预处理,得到历史基础数据集{x1,x2,…xm};将历史基础数据集{x1,x2,…xm}中的个性特征词组删除,并获得基础数据集{x1′,x2′,…xm′};对基础数据集{x1′,x2′,…xm′}的共性特征词组整合处理,并获得基础数据集{x1″,x2″,…xm″};基于字典学习算法对基础数据集{x1″,x2″,…xm″}进行分析处理,并获得字典矩阵B;接收待分析的调度运行信息,利用字典矩阵B对其进行稀疏编码并对其稀疏程度进行评估。2.根据权利要求1所述的一种调度运行信息稀疏编码方法,其特征在于,接收待分析的调度运行信息,利用字典矩阵B对其进行稀疏编码并对其稀疏程度进行评估,还包括:接收待分析的调度运行信息;将所述调度运行信息中的个性特征词组删除;对已删除个性特征词组的调度运行信息中的共性特征词组整合,并获得待分析的基础数据集xr;根据所述基础数据集xr和字典矩阵B,得到所述调度运行信息的稀疏表示向量αr=xr/B。3.根据权利要求1所述的一种调度运行信息稀疏编码方法,其特征在于,基于给定的基础数据集{x1″,x2″,…xm″},将字典矩阵B的求解要求表示为:其中,m为基础数据集数据量,B为待求解的字典矩阵,αi为基础数据集中xi″以字典矩阵B为参照后编码所得的表示向量,λ为拟合系数。4.根据权利要求3所述的一种调度运行信息稀疏编码方法,其特征在于,采用交替优化策略求解式以获得给定基础数据集{x1″,x2″,…xm″}的字典矩阵B。5.根据权利要求4所述的一种调度运行信息稀疏编码方法,其特征在于,采用交替优化策略求解式以获得给定基础数据集{x1″,x2″,…xm″}的字典矩阵B,还包括:固定字典矩阵B,利用最小绝对收缩选择算法优化编码向量αi;固定编码向量αi,利用KSVD算法优化字典矩阵B;对迭代前后的字典矩阵B和编码向量αi的偏差进行判定,当偏差在给定阈值范围内,视为优化收敛,否则不收敛。6.根据权利要求1所述的一种调度运行信息稀疏编码方法,其特征在于,所述调度运行信息稀疏编码方法,还包括:接收由人工确定各电网调度运行信息的个性特征集,并根据所述个性特征集将历史基础数据集{x1,x2,…xn}的个性特征词组删除;和/或根据电网调度运行共性习惯,将具有共性的特征词组整合为一个字符,并将共性特征词组定义...

【专利技术属性】
技术研发人员:王宁单克代江赵倩田年杰
申请(专利权)人:贵州电网有限责任公司
类型:发明
国别省市:贵州,52

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1