一种基于多标签一致深度字典学习的负荷辨识方法技术

本发明专利技术公开了一种基于多标签一致深度字典学习的负荷辨识方法，通过构建基于多标签一致深度字典学习的负荷辨识模型实现负荷的辨识；在第一层字典学习中，使用PCA方法提取后的样本特征作为输入，在第二层到最后一层，使用上一层中经过双曲正切函数tanh激活函数后的特征作为该层输入；建立模型最小化问题目标函数并用增强拉格朗日算法分解目标问题，分解后的所有子问题都是原始或等效形式的线性最小二乘问题；本方法重新构思NILM问题，将其转化为电器状态的多标签分类问题，并采用监督深度字典学习进行训练。该方法允许模型更好地利用输入信息，提高了分解的准确性。

【技术实现步骤摘要】

本专利技术涉及智能电网，具体涉及一种基于多标签一致深度字典学习的负荷辨识方法。

技术介绍

1、随着新能源技术的不断发展，我国电力行业也在朝着经济、绿色这两大目标不断迈进，但现阶段传统的火力发电仍是我国主要的供能来源，占比约70％，且根据国网能源研究院的研究表明，至2025年，我国火电的装机占比仍将维持在45％左右这一较高的水平，且仍会在未来较长一段时间内保持发电的主导地位。近年来，随着我国经济建设推进，建筑能源消耗量也逐渐成为我国主要能耗来源之一，其中城乡居民用电量占社会总用电量的15％左右。除了重视能源供应侧，还要重视电力需求侧管理(demand side management,dsm)以均衡电力生产与供应，从而更加经济地利用电能。获取用户能耗信息是进行需求侧管理的前提。目前已有许多研究表明，如果用户可以清楚知道自己的家用电器的消费信息，意识到自己用电行为中存在的问题，平均可以节省10％以上的电力消费，这在人口数量巨大的今天对能源问题的改善效果是十分可观的。同时，越来越多的用户希望可以获取自身的用电信息。

2、另一方面，随着科技的不断进步，传本文档来自技高网...

【技术保护点】

1.一种基于多标签一致深度字典学习的负荷辨识方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于多标签一致深度字典学习的负荷辨识方法，其特征在于：步骤二中：搭建基于多标签一致深度字典学习模型，具体为：

3.根据权利要求2所述的一种基于多标签一致深度字典学习的负荷辨识方法，其特征在于：步骤三中将典型的稀疏矩阵字典学习问题转化为最小化问题，具体地，模型学习线性映射，使得来自最终级别的稀疏矩阵映射到多标签目标：

4.根据权利要求3所述的一种基于多标签一致深度字典学习的负荷辨识方法，其特征在于：步骤三中利用增强拉格朗日算法进行目标问题分解，分解后...

【技术特征摘要】

1.一种基于多标签一致深度字典学习的负荷辨识方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于多标签一致深度字典学习的负荷辨识方法，其特征在于：步骤二中：搭建基于多标签一致深度字典学习模型，具体为：

3.根据权利要求2所述的一种基于多标签一致深度字典学习的负荷辨识方法，其特征在于：步骤三中将典型的稀疏矩阵字典学习问题转化为最小化问题，具体地，模型学习线性映射，使得来自最终级别的稀疏矩阵映射到多标签目标：

4.根据权利要求3所述的一种基于多标签一致深度字典学习的负荷辨识方法，其特征在于：步骤三中利用增强拉格朗日算法进行目...

【专利技术属性】
技术研发人员：诸晓骏，王旭，郭莉，陈琛，谈健，谢珍建，薛贵元，徐筝，牛文娟，徐遥，孙静惠，吴垠，
申请(专利权)人：国网江苏省电力有限公司经济技术研究院，
类型：发明
国别省市：