发明公开
- 专利标题: 一种基于深度嵌入聚类的负荷类型识别方法
-
申请号: CN202410613342.4申请日: 2024-05-16
-
公开(公告)号: CN118551242A公开(公告)日: 2024-08-27
- 发明人: 董嘉航 , 王宁 , 陈涛 , 柯伟鹏 , 马家骏 , 赵志旋 , 陈千存
- 申请人: 大连理工大学
- 申请人地址: 辽宁省大连市甘井子区凌工路2号
- 专利权人: 大连理工大学
- 当前专利权人: 大连理工大学
- 当前专利权人地址: 辽宁省大连市甘井子区凌工路2号
- 代理机构: 辽宁鸿文知识产权代理有限公司
- 代理商 李宝元
- 主分类号: G06F18/23213
- IPC分类号: G06F18/23213 ; G06F18/2413 ; G06F18/213 ; G06F18/214 ; G06Q50/06 ; G06N3/0455 ; G06N3/0464 ; G06N3/084 ; G06N3/088 ; H02J3/00
摘要:
本发明提供一种基于深度嵌入聚类的负荷类型识别方法,属于电力系统负荷特性分析与数据挖掘领域,所述方法包括数据预处理、数据降维、负荷聚类以及负荷分类。对采集的日负荷曲线数据进行预处理,以确保数据的完整性和准确性;采用一维残差卷积自编码器对输入数据进行特征提取,实现数据降维,以解决数据维度过高的问题;采用聚类算法对低维特征进行划分,构建可信赖样本数据库,以缓解噪声样本的影响;利用可信赖样本数据库训练卷积神经网络(CNN)分类模型,以得到负荷类型的识别结果。本发明用以解决现有技术中负荷数据降维导致的信息丢失及噪声样本造成的负荷类型识别效果不够理想问题。