买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江苏省电力有限公司电力科学研究院;国网江苏省电力有限公司信息通信分公司;国网江苏省电力有限公司;国家电网有限公司;江苏省电力试验研究院有限公司

摘要：本发明提出了一种配电网网格空间负荷聚类方法、装置、存储介质，包括：根据目标配电网区域内负荷功率数据和负荷空间距离分布数据，利用聚类算法对目标配电网区域进行网格划分，得到网格划分结果，并计算网格空间负荷密度；根据网格划分结果和网格空间负荷密度，生成各网格的离散连续分布集；将各网格的离散连续分布集和全时段、全气象条件下的负荷功率数据输入改进的对抗生成网络，通过生成对抗和反向编码得到网格空间负荷聚类结果；其中，所述改进的对抗生成网络包括生成器、判别器和用于反向编码的编码器。本发明能够将负荷网格化并得到网格空间负荷聚类结果，更为准确和客观的反映负荷不同地域不同气象条件下的波动情况。

主权项：1.一种配电网网格空间负荷聚类方法，其特征在于，包括如下步骤：根据目标配电网区域内负荷功率数据和负荷空间距离分布数据，利用聚类算法对目标配电网区域进行网格划分，得到网格划分结果，并计算网格空间负荷密度；根据网格划分结果和网格空间负荷密度，生成各网格的离散连续分布集；将各网格的离散连续分布集和全时段、全气象条件下的负荷功率数据输入改进的对抗生成网络，通过生成对抗和反向编码得到网格空间负荷聚类结果；其中，所述改进的对抗生成网络包括生成器、判别器和用于反向编码的编码器；所述改进的对抗生成网络训练方法包括：根据离散连续分布集Z和全时段、全气象条件下的负荷功率数据生成混合差值样本： ；其中，为混合差值样本，x为全时段、全气象条件下的负荷功率数据，为生成器根据离散连续分布集Z内的随机噪声元素生成的数据，为动态梯度惩罚系数；初始化对抗生成网络的判别器参数、生成器参数和编码器参数，将混合插值样本输入生成器，得到生成器生成的数据，将生成器生成的数据和原始的负荷功率数据x输入判别器，得到判别器的判别结果；在不改变生成器参数和编码器参数的基础上，将判别器参数输入Adam优化器进行迭代优化，得到最优判别器参数；其中，判别器参数的更新公式为： ；其中，为判别器动态梯度惩罚参数，为判别器参数，表示对判别器参数求梯度，表示判别器判断为真的概率，为判别器判断x为真的概率，为控制参数，为判别器判断为真的概率，表示的梯度，为二范数运算，表示的二范数，l表示当前迭代次数，m为迭代总次数；在不改变最优判别器参数和编码器参数的基础上，将生成器参数输入Adam优化器进行迭代优化，得到最优生成器参数；其中，生成器参数的更新公式为： ；其中，为生成器动态梯度惩罚参数，为生成器参数，表示对生成器参数求梯度，为第l次迭代的离散连续分布集，表示第l次迭代生成器根据生成的数据，表示第l次迭代判别器判断为真的概率，为第b个网格的正则化系数，表示第l次迭代的第b个连续向量集，表示第l次迭代生成器根据生成的数据，表示第l次迭代编码器对进行反向编码的编码器连续部分项，表示离散分布集对应的正则化系数，为第l次迭代的离散分布集，表示第l次迭代生成器根据生成的数据，表示第l次迭代编码器对进行反向编码的编码器离散部分项，表示第l次迭代离散分布集内所有元素与编码器离散部分项的交叉熵损失；在不改变最优判别器参数和最优生成器参数的基础上，将编码器参数输入Adam优化器进行迭代优化，得到最优编码器参数；其中，编码器参数的更新公式为： ；其中，为编码器参数，为编码器动态梯度惩罚参数，表示对编码器参数求梯度；根据最优判别器参数、最优生成器参数和最优编码器参数得到训练好的改进的对抗生成网络。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司电力科学研究院 国网江苏省电力有限公司信息通信分公司 国网江苏省电力有限公司 国家电网有限公司 江苏省电力试验研究院有限公司 一种配电网网格空间负荷聚类方法、装置、存储介质