申请/专利权人：武汉水院电气有限责任公司;国网四川省电力公司眉山供电公司;三峡大学

申请日：2024-04-29

公开（公告）日：2024-06-04

公开（公告）号：CN118133569A

主分类号：G06F30/20

分类号：G06F30/20;G06F18/213;G06F18/22;G06N7/01;G06F111/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.21#实质审查的生效;2024.06.04#公开

摘要：本发明涉及一种基于最大后验概率估计MAP的电力系统短期惯量点预测方法，包括：确定电力系统短期惯量预测输入特征，基于MAP方法对目标层进行重建；引入基于特征向量中心性的SimHash算法来寻找结构相似的层；利用相似层的邻接矩阵来计算共轭先验的参数，通过相似性加权相似层的贡献；构建电力系统短期惯量预测框架，实现预测模型的在线部署与应用。本发明充分利用最大后验概率估计MAP的解释性机制，即使在大量链路缺失的情况下，MAP法也能构建出目标层，对于惯量预测中的输入特征向量进行降维，将高维的特征向量映射成低维的特征向量。从而提高惯量预测的准确性和快速性。

主权项：1.一种基于最大后验概率估计MAP的电力系统短期惯量点预测方法，其特征在于，包括：确定电力系统短期惯量预测目标层输入特征向量，基于MAP方法对目标层进行重建，并基于特征向量中心性的SimHash算法获取与目标层结构相似的层，具体包括：基于MAP方法对对目标层进行重建是在给定惯量目标层和多层网络中其他层部分信息的情况下估计C，具体包括：S3.1、建立最大基于后验的随机模型，先定义有向和无向多层网络的随机模型；惯量目标层的邻接矩阵用C表示，为了重建惯量目标层，需要一组参数来描述模型，记为；根据贝叶斯定理，的后验概率为 4；其中是的后验概率，是C在下的似然，是的先验概率，是包含网络所有信息的边际似然；由于是一个常数，所以与与的乘积成正比，因此有： 5；S3.2、对于网络中的任意一对节点，使用来表示节点i和节点j之间的期望链接数；在未加权的网络中，邻接矩阵的条目用0或1表示；由于条目是实数，将网络C解释为一个加权网络；在将任意参数代入式5之前，惯量目标层中的链路是独立同分布的，即节点i和节点j之间的边数不影响节点i和节点k之间的关系；设定任意一对节点之间的链接数是从泊松分布中提取出来的，即；将和代入式（5）可得 6；S3.3、在MAP算法中，需要指定的先验分布；将泊松分布的共轭先验分布代入式（6）中得到 7；其中和分别是伽马分布的形状参数、尺度参数；利用相似层的邻接矩阵来计算共轭先验的参数，通过相似性加权相似层的贡献。

全文数据：

权利要求：

百度查询： 武汉水院电气有限责任公司;国网四川省电力公司眉山供电公司;三峡大学 一种基于最大后验概率估计MAP的电力系统短期惯量点预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD