一种基于Boosting感知的深度学习多微网弹性组合决策方法

本发明提供了一种基于Boosting感知的深度学习多微网弹性组合决策方法，涉及Boosting分类器、深度神经网络和考虑运行弹性的多微电网组合运行调度等领域。包括微网组合优化建模、基于NATAF变换的学习样本生成、基于Boosting感知器的深度神经网络学习三个部分，所述微网组合优化建模以重要负荷供电恢复能力作为目标，并为运营商提供备用供电路径；所述基于NATAF变换的学习样本生成，将原始样本扩展到考虑变量相关性的所有可行空间；所述基于Boosting感知器的深度神经网络学习是通过神经元的分层迭代遍历来调整深度神经网络权重，并采用交叉投票机制将二分类感知学习升级为多分类学习。利用本发明提供的算法，实时性高，并对整体弹性进行考虑，适用性不受限制。