(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211044436.1 (22)申请日 2022.08.30 (71)申请人 广东电网有限责任公司广州供电局 地址 510620 广东省广州市天河区天河南 二路2号 (72)发明人 龙云　刘璐豪　卢有飞　梁雪青　 邹时容　赵宏伟　张扬　张少凡　 吴任博　陈明辉　蔡燕春　刘璇　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 杨望仙 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 50/06(2012.01) (54)发明名称 一种电力系统多源异构数据的特征提取及 选择方法 (57)摘要 本发明属于电力系统与人工智能交叉领域， 为一种电力系统多源异构数据的特征提取及选 择方法， 该方法包括将电力系统中的多源异构数 据作为输入数据， 构建训练数据集； 为每组多源 异构数据设计不同结构的神经网络， 采用逐层训 练算法对自编码器模型进行训练得到训练好的 堆叠自编码器模 型， 通过训练好的堆叠自编码器 模型提取每组多源异构数据的编码特征； 构建融 合层网络， 对整个堆叠自编码器模 型的参数进行 微调； 对得到的同构特征进行稀疏化处理， 计算 得到各个特征 维度的权重， 筛选出具有较高权重 的特征。 本发明能够较为全面挖掘数据特征， 同 时能够反映实际数据的语义性， 所选取得到的特 征能够支撑任务需求， 大大提高实际任务的完成 度。 权利要求书2页 说明书6页 附图3页 CN 115470844 A 2022.12.13 CN 115470844 A 1.一种电力系统多源异构数据的特 征提取及选择 方法， 其特 征在于， 包括以下步骤： S1、 引入电力系统中的多源异构数据作为输入数据， 构建训练数据集； S2、 通过堆叠自编码器模型为每组多源异构数据设计不同结构的神经网络， 采用逐层 训练算法对自编码器模型进行训练得到训练好的堆叠自编 码器模型， 通过训练好的堆叠自 编码器模型提取每组多源异构数据的编码特 征； S3、 将每组多源异构数据的编码特征作为堆叠自编码器模型的输入数据， 构建融合层 网络， 消除多源异构数据的编码特征 的异构性得到同构特征表达， 对整个堆叠自编码器模 型的参数进行微调； S4、 采用结构化稀疏方法对得到的同构特征进行稀疏化处理， 计算得到各个特征维度 的权重， 筛选出具有较高权 重的特征， 完成多源异构数据特 征提取及选择。 2.根据权利要求1所述的一种电力系统多源异构数据的特征提取及选择方法， 其特征 在于， 所述多源异构数据包括各传感器检测的电压、 电流、 有功出力、 开关状态， 还包括音视 频监控系统中的音频 数据、 图像数据和电力系统运行的文本记录 。 3.根据权利要求1所述的一种电力系统多源异构数据的特征提取及选择方法， 其特征 在于， 所述堆叠自编码器为堆叠多个 自编码器， 把每一个 自编码器隐藏层的输出作为另一 个连接的自编码器的输入。 4.根据权利要求3所述的一种电力系统多源异构数据的特征提取及选择方法， 其特征 在于， 所述 步骤S2具体包括 步骤： 根据输入的n组多源异构数据， 构建n个异构堆叠自编码器； 在训练第 n个堆叠自编码器的每一个隐藏层时， 对于当前输入异构数据， 在隐藏层经由 权值矩阵和激活函数做非线性变换， 得到 输出的隐表达； 对隐表达进行解码， 由权值矩阵和激活函数变换重构得到重构输出， 采用 梯度下降法 进行求解原始输入与重构 输出的误差； 当误差为0时， 将 重构输出作为下一层的原始输入再 次训练， 得到训练好的堆叠自编码器模型； 将每组多源异构数据输入训练好的堆叠自编码器模型， 得到相应的特 征编码输出。 5.根据权利要求4所述的一种电力系统多源异构数据特征提取及选择方法， 其特征在 于， 所述输出的隐表达为： h＝f(W1xn+c) 其中， h是输出的隐表达， c为偏置项， W1为权值矩阵， f( ·)为sigmo id函数； 所述重构输出为： 其中， 为自编码器的重构输出， b为偏置项， W2为权值矩阵和 为激活函数。 6.根据权利要求1所述的一种电力系统多源异构数据特征提取及选择方法， 其特征在 于， 所述步骤S3具体步骤如下： S31、 以前馈神经网络作为融合层网络， 在融合层网络中将多组多源异构数据进行特征 融合， 前馈神经网络与每组多源异构数据的堆叠自编码器网络相连； S32、 融合层网络 外接softmax分类 器， 计算输入向量的标签 类别概率； S33、 使用梯度下降法对堆叠自编码器模型参数进行微调。权　利　要　求　书 1/2 页 2 CN 115470844 A 27.根据权利要求6所述的一种电力系统多源异构数据特征提取及选择方法， 其特征在 于， 所述使用梯度下降法对堆叠自编码器模型参数进 行微调， 包括步骤： 轮流迭代调整各个 自编码器模型的参数， 每次调整其中一个自编 码器模型， 固定其他自编码 器模型的参数， 直 到所有自编码器模型的参数调整完毕。 8.根据权利要求1所述的一种电力系统多源异构数据特征提取及选择方法， 其特征在 于， 所述步骤S4包括： 对同构特征的数据进行定 义， 定义同构特征特征表达 含有p维特征 向量， 是标签， X＝(x1,x2,…,xn)表示输入训练数据矩阵， Y＝(y1, y2,…,yn)表示标签矩阵； 设定p维特征向量划分成k个特征组， Kj表示第j个组的特征维度数 量； βl＝( βl1, βl2,…, βlj)表示对于第l个类别的权值系数向量， βlj表示对应第j组的子系数 向量； 通过目标函数 对第l个类别的特征选择， 得到权值不为0的特征， 目标函数 其中， 为损失函数， 为正则项； 其中， λ1和λ2为正则项系数， 超参数ωj为第j个特征组的权值， y(i)表示样本输入的标 签， T为权值矩阵， b为偏置项。权　利　要　求　书 2/2 页 3 CN 115470844 A 3