一种用于数字孪生电网的防过拟合电力预测方法与流程

技术特征：
1.一种用于数字孪生电网的防过拟合电力预测方法，其特征在于，包括以下步骤：以机器学习的方式对数字孪生电网的电力网络调度接受数据进行建立深度学习模型，并给出相应的模型输入数据(c,s,y)以及模型输出数据的定义，将所述数字孪生电网的电力网络调度接受数据分为非偏差输入数据和偏差输入数据，数字孪生电网的电力网络调度接受数据记作x，c为非偏差输入数据，s为偏差输入数据，c和s通过预定义的信息稳定性进行区分，y为电量需求实际值，为电量需求预测值；在深度学习模型中，将所述数字孪生电网的电力网络调度接受数据输入变分自动编码器进行转换，以得到均值和方差数据，用得到的均值和方差构建模拟高斯分布，从高斯分布中随机采样以得到表征特征，记作z，将表征特征划分为两部分，分别记作z
b
部分和z
p
部分，利用z去拟合数字孪生电网的电力网络调度接受数据，利用z
b
部分数据去拟合偏差输入数据，通过生成对抗网络进行训练，从而提升z
b
部分和z
p
部分的独立性，将训练后输出的z
p
部分作为已去除偏差数据的特征，以输入回归网络，进而得到电量需求预测值，对得到的电量需求预测值进行考察以判断是否满足预设要求，若不满足预设要求，则需进一步优化所述深度学习模型，直至满足预设要求。2.根据权利要求1所述的用于数字孪生电网的防过拟合电力预测方法，其特征在于，所述考察包括预测准确率考察和去偏差程度考察，其中，所述预测准确率考察利用以下公式进行，式中，a为预测准确率，y
i
是数字孪生电网中的调度自动化系统给出的对应区域i的电力需求实际值，是所述深度学习模型给出的对应区域i的电力需求预测值,为电力需求实际值的平均值,n为区域总数；所述去偏差程度考察利用以下公式进行，式中，δeo为去偏差程度，tp
s＝i
是在i类数据上的预测为偏差数据实际也为偏差数据的数量；fn
s＝i
是在i类数据上的预测为偏差数据实际为非偏差数据的数量；tp
s＝j
是在j类数据上的预测为偏差数据实际也为偏差数据的数量；fn
s＝j
是在j类数据上的预测为偏差数据实际为非偏差数据的数量。3.根据权利要求1所述的用于数字孪生电网的防过拟合电力预测方法，其特征在于，所述变分自动编码器包括均值编码器和方差编码器，所述均值编码器和方差编码器均定义2层神经网络，均用elu函数作为层间激活函数，均用tanh函数作为尾层激活函数，其中，所述均值编码器对应的转换公式如下：u＝tanh(w
u2
×
elu(w
u1
×
x))所述方差编码器对应的转换公式如下：v＝tanh(w
v2
×
elu(w
v1
×
x))式中，u，v分别表示数据的均值和方差，w
*i
表示处理*的第i个网络层权重，其中b
*i
表示处理*的第i个网络层的偏移量，*为u或v。
4.根据权利要求2所述的用于数字孪生电网的防过拟合电力预测方法，其特征在于，利用z去拟合数字孪生电网的电力网络调度接受数据，其对应的拟合公式如下：利用z
b
部分数据去拟合偏差输入数据，其对应的拟合公式如下：式中，为拟合后的数字孪生电网的电力网络调度接受数据，为拟合后的偏差输入数据，w
*i
表示处理*的第i个网络层权重，*为x或a。5.根据权利要求4所述的用于数字孪生电网的防过拟合电力预测方法，其特征在于，利用z去拟合数字孪生电网的电力网络调度接受数据对应至一个输出无偏差输入信息还原的神经网络，所述输出无偏差输入信息还原的神经网络的损失函数计算如下：利用z
b
部分数据去拟合偏差输入数据对应至一个输出偏差输入信息还原的神经网络，所述输出偏差输入信息还原的神经网络损失函数计算如下：使得z
b
部分和z
p
部分之间互相独立的损失函数计算如下：式中，p(x|z)是解码分布，q(z|x)是编码分布，p(z)是表征特征先验，p(s|z
b
)是偏差信息解码分布，z
bk
是第k个预测偏差输入表征维度；通过以上三个损失函数，以得出训练表征时总体的损失函数为：loss＝loss
vae
loss
b
α
×
loss
z
式中，α为控制表征消除偏差信息程度的参数。6.根据权利要求5所述的用于数字孪生电网的防过拟合电力预测方法，其特征在于，若预测准确率满足要求而去偏差程度不满足要求，则需调低α数值再次进行学习优化；若去偏差程度满足要求而预测准确率不满足要求，则需调高α再次进行学习优化，其中，α取值范围为[0,1]。7.根据权利要求1所述的用于数字孪生电网的防过拟合电力预测方法，其特征在于，所述回归网络记作f，其对应的损失函数如下：其中，是回归阈值。8.根据权利要求1所述的用于数字孪生电网的防过拟合电力预测方法，其特征在于，所述非偏差输入数据包括地区gdp、地区常住人口数量、地区用户数量、地区电力设备数量、地区输电线长度、地区输电线类型和历史用电需求量，所述偏差输入数据为潜在历史偏差输入信息，其包括定义的明确偏差数据。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一项所述
的用于数字孪生电网的防过拟合电力预测方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8任一项所述的用于数字孪生电网的防过拟合电力预测方法。

技术总结
本发明公开了一种用于数字孪生电网的防过拟合电力预测方法，包括：将数字孪生电网的电力网络调度接受数据输入变分自动编码器进行转换，以得到均值和方差数据，构建模拟高斯分布，从高斯分布中随机采样以得到表征特征，将表征特征划分为两部分，分别记作z


技术研发人员：周游 钱科军 景栋盛 徐丹
受保护的技术使用者：国网江苏省电力有限公司苏州供电分公司
技术研发日：2022.09.29
技术公布日：2023/1/31