基于增量反馈RBM的电能替代终端能源评价模型-电子技术应用.DOCVIP

基于增量反馈RBM的电能替代终端能源评价模型 张 垠1 (高 鑫2 (1.国网上海市电力公司电力科学研究院，上海，200437；2.国网北京市电力公司，北京，100075) 【摘要】本文针对目前电能替代终端能源评价方法效率低，精确度不高等现状，提出了一种基于深度学习思想的电能替代终端能源的评价模型，设计了最优RBM训练算法和增量反馈的模型优化迭代策略，优化了模型训练参数的初始化赋值，提升了电能替代终端能源评价效率和精确度，并综合其他现代优化算法模型进行对比，结果表明本文提出的评价模型具备良好的的特征抽取能力，能够反映样本的本质特征，并取得的结果。Electric Power Substitute End-use Energy Evaluation Model Based on Incremental Feedback RBM ZHANG Yin1 GAO Xin2 （1.Electric Power Research Institute, SMEPC, Shanghai, 200437, China;2.State Grid Beijing Electric Power Company, Beijing, 100075, China） 【Abstract】Aiming at the situation of poor efficiency and low accuracy in the domain, which electric power substitution of end-use energy recently, this paper proposed an evaluation model based on the method of deep learning and designed a optimal RBM training algorithm. This method optimized the assignment of the value initialization, and improved the efficiency and accuracy of evaluation in electric power substitutes end-use energy. The results have a good capacity of extracting features and can reflect the essential features by comparing the result with other different modern optimization algorithms. 【Keywords】electric power substitute; incremental feedback; RBM; evaluation model 1 引言 能源是确保国家经济发展和人民生活保障的重要战略资源 随着人工神经网络方面取得了一些突破性的发展，使其可以通过非线性网络结构，实现复杂函数逼近，强大对于输入样本数据本质特征的抽取能力。 一级指标 二级指标 编号 一级指标 二级指标 1 产品质量 供电电压合格率 21 经营管理 *有人员责任特大电网设备事故率 2 电网频率合格率 22 *线损率 3 供电可靠率 23 售电计划完成率 4 系统停电等效小时数 24 全社会用电量预测准确率 5 故障停电率 25 最大用电负荷预测准确率 6 平均销售电价 26 需求侧管理 执行峰谷电价的用户数比例 7 终端用电量 第一产业终端用电量 27 执行峰谷电价的电量比例 8 第二产业终端用电量 28 低谷售点量增长率 9 第三产业终端用电量 29 电网负荷率水平指标 10 城镇居民生活终端用电量 30 经济环境 全社会固定资产投资 11 乡村居民生活终端用电量 31 规模以上工业总产值 12 电能比重 第一产业电能比重 32 非农业值占总产值比例 13 第二产业电能比重 33 产业结构高度化指数 14 第三产业电能比重 34 第三产业产值占总产值比例 15 城镇居民生活电能比重 35 第三产业劳动者占社会劳动者比例 16 乡村居民生活电能比重 36 城市化率 17 经营管理 用电户数 37 城镇居民人均可支配收入 18 年度最高用电负荷 38 农村居民人均纯收入 19 输电线路长度 39 *城镇居民家庭恩格尔系数 20 *10KV及以上恶性误操作事故 3 增量反馈 RBM的终端能源电能替代评价模型 3.1 受限玻尔兹曼机(R