基于深度學(xué)習(xí)的電力業(yè)務(wù)通信帶寬需求預(yù)測方法
14],并將簡化后的數(shù)據(jù)送入深度學(xué)習(xí)預(yù)測網(wǎng)絡(luò)。
主元分析法是多元統(tǒng)計分析中常用的方法之一,是在一定相依關(guān)系的N個參數(shù)的M個樣本值所構(gòu)成的數(shù)據(jù)陣列基礎(chǔ)上,通過建立較小數(shù)目的綜合變量,使其更集中地反映原來N個參數(shù)中所包含的變化信息。按照數(shù)據(jù)變化的方差大小確定變化方向的主次地位,按照主次順序得到互不關(guān)聯(lián)的各主元素,通過這種方法降低數(shù)據(jù)分析的復(fù)雜程度[15-16]。
采用主元分析法簡化電力通信帶寬預(yù)測影響因素數(shù)據(jù),其具體實(shí)現(xiàn)過程如下:
1)獲取帶寬預(yù)測影響因素的歷史數(shù)據(jù)初始矩陣;
2)計算初始矩陣的相關(guān)系數(shù)矩陣,其方程如下:
,rij為相關(guān)系數(shù)矩陣的第i行第j列數(shù)據(jù),xij為原始矩陣中第i行第j列數(shù)據(jù),n為數(shù)據(jù)矩陣中的行(時間),m為影響因素個數(shù);
3)計算影響因素相關(guān)系數(shù)矩陣的特征根、特征向量;
4)計算前q個主元的累計貢獻(xiàn)率G(q),當(dāng)G(q)>85%時,對應(yīng)的q就是抽取的前q個主成分,其中:
圖2 預(yù)測流量與實(shí)際流量對比Fig. 2 Comparison between prediction data and the original data
在
由于業(yè)務(wù)系統(tǒng)具有相似性,可以基于上述典型流量模型建立其余業(yè)務(wù)流量預(yù)測模型。由于典型模型是單用戶流量模型,因此為了提高帶寬流量總體預(yù)測的準(zhǔn)確性,還需要考慮網(wǎng)絡(luò)承載的活躍用戶數(shù)。普通業(yè)務(wù)活躍用戶的比例大概在0.5%~0.6%,選取最大比例0.6%進(jìn)行預(yù)估,特殊業(yè)務(wù)占用量比例較大,選取10%。
將多業(yè)務(wù)流量預(yù)測模型擬合在一起,能夠預(yù)測出該省四級綜合數(shù)據(jù)網(wǎng)的網(wǎng)絡(luò)通信帶寬需求,即網(wǎng)-省-地-縣-所。以管理信息化業(yè)務(wù)、視頻會議/語音業(yè)務(wù)以及互聯(lián)網(wǎng)業(yè)務(wù)某日預(yù)測流量為例,將采用RBM算法預(yù)測的流量結(jié)果與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進(jìn)行比較。通信網(wǎng)絡(luò)帶寬需求預(yù)測結(jié)果見
表1 通信網(wǎng)絡(luò)帶寬需求預(yù)測結(jié)果Tab.1 The prediction results of electric power communication network requirement
由
1)相對于BP神經(jīng)網(wǎng)絡(luò),本文預(yù)測模型的通信網(wǎng)絡(luò)帶寬流量預(yù)測誤差較低,預(yù)測精度有所提高,主要是由于深度學(xué)習(xí)法可以利用更多的歷史數(shù)據(jù)樣本擬合預(yù)測曲線,提高預(yù)測精度。同時相較于地-縣-所的帶寬流量預(yù)測誤差,主干綜合數(shù)據(jù)網(wǎng)絡(luò)帶寬預(yù)測精度更高,這是由于基于深度學(xué)習(xí)的預(yù)測模型輸入數(shù)據(jù)越多,預(yù)測精度也越高。
2)相對于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)預(yù)測模型,本文利用主元分析法減少了模型輸入維數(shù),簡化了模型輸入節(jié)點(diǎn),在保證足夠的輸入節(jié)點(diǎn)數(shù)和預(yù)測精度的同時,還能使算法最快收斂,且訓(xùn)練時間明顯減少,加快了電力通信網(wǎng)絡(luò)帶寬流量預(yù)測模型的建模速度,結(jié)果更優(yōu)。
5 結(jié)語
本文提出了一種基于深度學(xué)習(xí)的電力業(yè)務(wù)通信帶寬預(yù)測方法,依托某省電力公司,首先對電力通信網(wǎng)絡(luò)承載的業(yè)務(wù)進(jìn)行分析,選取典型業(yè)務(wù)作為原有業(yè)務(wù)和新型業(yè)務(wù)帶寬需求分析的基礎(chǔ)模型,分類統(tǒng)計其歷史數(shù)據(jù),并確定其影響體系數(shù)據(jù)。利用主元分析法對影響通信帶寬預(yù)測的影響因素體系數(shù)據(jù)進(jìn)行簡化,在此基礎(chǔ)上,采用深度學(xué)習(xí)中的RBM模型對簡化后的影響因素體系數(shù)據(jù)和歷史數(shù)據(jù)進(jìn)行電力業(yè)務(wù)需求的通信帶寬預(yù)測,預(yù)測某省電力公司下一階段電力業(yè)務(wù)需求的通信帶寬,有效地提高了業(yè)務(wù)流量測算的準(zhǔn)確性,保證了該省各級通信網(wǎng)基礎(chǔ)設(shè)施投資的科學(xué)性和合理性,可為電力公司下一階段的數(shù)據(jù)網(wǎng)建設(shè)提供參考。
(編輯:鄒海彬)
參考文獻(xiàn)
[1]
[2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16]

責(zé)任編輯:售電衡衡
- 相關(guān)閱讀
- 泛在電力物聯(lián)網(wǎng)
- 電動汽車
- 儲能技術(shù)
- 智能電網(wǎng)
- 電力通信
- 電力軟件
- 高壓技術(shù)
-
權(quán)威發(fā)布 | 新能源汽車產(chǎn)業(yè)頂層設(shè)計落地:鼓勵“光儲充放”,有序推進(jìn)氫燃料供給體系建設(shè)
2020-11-03新能源,汽車,產(chǎn)業(yè),設(shè)計 -
中國自主研制的“人造太陽”重力支撐設(shè)備正式啟運(yùn)
2020-09-14核聚變,ITER,核電 -
探索 | 既耗能又可供能的數(shù)據(jù)中心 打造融合型綜合能源系統(tǒng)
2020-06-16綜合能源服務(wù),新能源消納,能源互聯(lián)網(wǎng)
-
新基建助推 數(shù)據(jù)中心建設(shè)將迎爆發(fā)期
2020-06-16數(shù)據(jù)中心,能源互聯(lián)網(wǎng),電力新基建 -
泛在電力物聯(lián)網(wǎng)建設(shè)下看電網(wǎng)企業(yè)數(shù)據(jù)變現(xiàn)之路
2019-11-12泛在電力物聯(lián)網(wǎng) -
泛在電力物聯(lián)網(wǎng)建設(shè)典型實(shí)踐案例
2019-10-15泛在電力物聯(lián)網(wǎng)案例
-
新基建之充電樁“火”了 想進(jìn)這個行業(yè)要“心里有底”
2020-06-16充電樁,充電基礎(chǔ)設(shè)施,電力新基建 -
燃料電池汽車駛?cè)雽こ0傩占疫€要多久?
-
備戰(zhàn)全面電動化 多部委及央企“定調(diào)”充電樁配套節(jié)奏
-
權(quán)威發(fā)布 | 新能源汽車產(chǎn)業(yè)頂層設(shè)計落地:鼓勵“光儲充放”,有序推進(jìn)氫燃料供給體系建設(shè)
2020-11-03新能源,汽車,產(chǎn)業(yè),設(shè)計 -
中國自主研制的“人造太陽”重力支撐設(shè)備正式啟運(yùn)
2020-09-14核聚變,ITER,核電 -
能源革命和電改政策紅利將長期助力儲能行業(yè)發(fā)展
-
探索 | 既耗能又可供能的數(shù)據(jù)中心 打造融合型綜合能源系統(tǒng)
2020-06-16綜合能源服務(wù),新能源消納,能源互聯(lián)網(wǎng) -
5G新基建助力智能電網(wǎng)發(fā)展
2020-06-125G,智能電網(wǎng),配電網(wǎng) -
從智能電網(wǎng)到智能城市