基于深度学习技术的日负荷曲线特征提取与聚类模式识别.docx

基于深度学习技术的日负荷曲线特征提取与聚类模式识别

目录

内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.1.1电力系统负荷分析的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.1.2深度学习在负荷预测中的应用前景．．．．．．．．．．．．．．．．．．．．．．．7

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

1.2.1基于传统方法的负荷曲线分析．．．．．．．．．．．．．．．．．．．．．．．．．．10

1.2.2基于深度学习的负荷特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．11

1.2.3基于深度学习的负荷模式识别．．．．．．．．．．．．．．．．．．．．．．．．．．13

1.3研究内容与目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

1.3.1主要研究内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

1.3.2具体研究目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

1.4技术路线与论文结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

1.4.1技术路线．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

1.4.2论文组织结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

相关理论与技术基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

2.1深度学习基本原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

2.1.1神经网络概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

2.1.2卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

2.1.3循环神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

2.1.4长短期记忆网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

2.2负荷曲线分析基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

2.2.1负荷曲线定义与类型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

2.2.2负荷曲线特征分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

2.3聚类分析算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

2.3.1聚类分析概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

2.3.2K均值聚类算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

2.3.3层次聚类算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

基于深度学习的日负荷曲线特征提取方法．．．．．．．．．．．．．．．．．．．39

3.1日负荷曲线数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

3.1.1数据采集与清洗．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

3.1.2数据归一化处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

3.1.3特征工程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

3.2基于CNN的负荷曲线特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

3.2.1CNN模型结构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

3.2.2卷积层与池化层分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53

3.2.3特征图解读．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．55

3.3基于LSTM的负荷曲线特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．55

3.3.1LSTM模型结构设计．．．．．．．．