本发明涉及电力市场分析预测
技术领域：
，尤其涉及电力负荷影响因素量化分析方法、装置、设备及介质。
背景技术：
：负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因素，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据，其中负荷是指电力需求量(功率)或用电量。负荷预测是电力系统经济调度中的一项重要内容，是能量管理系统(EMS)的一个重要模块。由于负荷预测是根据电力负荷的过去和现在推测它的未来数值，所以，负荷预测工作所研究的对象是不肯定事件。只有不肯定事件、随机事件，才需要人们采用适当的预测技术，推知负荷的发展趋势和可能达到的状况。负荷预测的方法主要分为经典预测方法和现代预测方法。电力负荷预测是电力部门的重要工作之一，准确的负荷预测，可以经济合理地安排电网内部发电机组的启停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保障社会的正常生产和生活，有效地降低发电成本，提高经济效益和社会效益。负荷特性分析与预测是进行电力需求预测，指导电力规划、生产及运行，电力市场开拓的重要基础性研究工作。负荷特性分析与预测中一个极为重要的方面是进行电力负荷特性影响因素分析。目前，电力负荷特性影响因素分析分为定性分析及定量分析两类。在定性分析方面，目前研究成果主要研究了电力负荷特性主要与哪些影响因素有关。这些因素可能包括经济发展水平、产业结构、全社会用电量结构、城镇居民和乡村居民用电比重、人均用电量、气温及电价等。地域、时期及人们生活习惯的不同，电力负荷特性可能存在较大的差异。在定量分析方面，目前研究成果主要是针对某一类用电负荷(如居民用电负荷)、某一具体地区或某个时段(如春节期间)进行影响因素分析。此外，现有负荷特性影响因素研究一般仅考虑为数不多的影响因素，且是对其进行逐项分析，而非同步一次性进行分析，但负荷特性众多影响因素间不是完全无关的，存在一定的耦合，因此在进行逐项分析时，分析得到的负荷特性指标与某一因素间的量化关系可能存在较大误差。技术实现要素：针对上述问题，本发明的目的在于提供一种电力负荷影响因素量化分析方法，能对负荷特性影响因素进行同步一次性的量化分析，提高分析的准确度。第一方面，本发明提供了一种电力负荷影响因素量化分析方法，包括：获取初选负荷特性影响因素，以得到初选负荷特性影响因素集；对所述初选负荷特性影响因素集中每一所述初选负荷特性影响因素进行标幺化处理，获取负荷特性影响因素标幺化集；根据主元分析对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集；对所述主元向量集中的主元向量进行筛选，选取出包含所述初选负荷特性影响因素绝大部分信息量的N个主元向量，以得到新主元向量集；其中，所述新主元向量集向量数小于所述主元向量集向量数；其中，N大于1；对所述新主元向量集中的N个所述主元向量与负荷特性指标进行相关性分析，以得到所述初选负荷特性影响因素与所述负荷特性指标之间的量化关系；根据所述线性关系中各个所述初选负荷特性影响因素对应系数的相对大小，获取各个所述负荷特性指标与所述初选负荷特性影响因素相关性的排序，以得到各个所述负荷特性指标对应的主导影响因素。在第一方面的第二种可能实现方式中，所述对所述新主元向量集中的N个所述主元向量与负荷特性指标进行相关性分析，以得到所述初选负荷特性影响因素与所述负荷特性指标之间的量化关系包括：根据所述相关性分析获取得到所述新主元向量集的主元分析因素变换矩阵；根据所述主元分析因素变换矩阵的逆变换获取得到所述初选负荷特性影响因素与所述负荷特性指标之间的量化关系。在第一方面的第三种可能实现方式中，所述初选负荷特性影响因素包括：第一产业GDP比重、第二产业GDP比重、第三产业GDP比重、第一产业用电量全社会比重、第二产业用电量全社会比重、第三产业用电量全社会比重、居民用电量全社会比重、城镇居民用电全社会比重、乡村居民用电全社会比重、全省人均GDP、全省人均用电量、居民人均用电量、城镇化率及气候气温。在第一方面的第四种可能实现方式中，所述对所述初选负荷特性影响因素集中每一所述初选负荷特性影响因素进行标幺化处理，获取负荷特性影响因素标幺化集包括：获取所述初选负荷特性影响因素的时段范围；对所述时段范围进行划分，以获取各个时段对应的所述初选负荷特性影响因素；将各个时段对应的所述初选负荷特性影响因素数值除以所述时段范围内所述初选特性影响因素最大值，以得到所述初选负荷特性影响因素的标幺值；获取各个所述初选负荷特性影响因素的标幺值，以得到所述负荷特性影响因素标幺化集。在第一方面的第五种可能实现方式中，所述根据主元分析对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集包括：调取MATLAB中主元变换函数对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集。在第一方面的第六种可能实现方式中，在所述调取MATLAB中主元变换函数对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集之后，包括：输出各个所述主元向量的贡献率；则所述对所述主元向量集中的主元向量进行筛选，选取出包含所述初选负荷特性影响因素绝大部分信息量的N个主元向量，以得到新主元向量集包括：对各个所述主元向量的贡献率进行筛选，获取贡献率在预设范围内的主元向量，以得到新主元向量集。第二方面，本发明实施例提供了一种电力负荷影响因素量化分析装置，包括：初选因素集获取模块，用于获取初选负荷特性影响因素，以得到初选负荷特性影响因素集；标幺化集获取模块，用于对所述初选负荷特性影响因素集中每一所述初选负荷特性影响因素进行标幺化处理，获取负荷特性影响因素标幺化集；主元向量集获取模块，用于根据主元分析对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集；新主元向量集获取模块，用于对所述主元向量集中的主元向量进行筛选，选取出包含所述初选负荷特性影响因素绝大部分信息量的N个主元向量，以得到新主元向量集；其中，所述新主元向量集向量数小于所述主元向量集向量数；其中，N大于1；量化分析模块，用于对所述新主元向量集中的每一所述主元向量与负荷特性指标进行相关性分析，以得到所述初选负荷特性影响因素与所述负荷特性指标之间的量化关系；排序模块，用于根据所述线性关系中各个所述初选负荷特性影响因素对应系数的相对大小，获取各个所述负荷特性指标与所述初选负荷特性影响因素相关性的排序，以得到各个所述负荷特性指标对应的主导影响因素。第三方面，本发明实施例提供了一种电力负荷影响因素量化分析设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的电力负荷影响因素量化分析方法。第四方面，本发明实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的电力负荷影响因素量化分析方法。上述技术方案的一个技术方案具有如下优点：获取初选负荷特性影响因素集，对所述初选负荷特性影响因素集中每一初选负荷特性影响因素进行标幺化处理，以避免不同影响因素的量纲不同对分析结果的不利影响，通过主元分析对所述负荷特性影响因素标幺化集进行变换，以解耦各影响因素间可能存在的关联性，对所得主元向量集中的主元向量进行筛选，选取出包含所述初选负荷特性影响因素绝大部分信息量的若干主元向量，以降低后续分析数据维度，对所筛选主元向量集中的各主元向量与负荷特性指标进行相关性量化分析，根据得到的量化关系即可反推出负荷特性与影响因素间的相关性量化关系，从而实现了众多影响因素与负荷特性间关系的同步一次性量化分析，提高了分析的准确度与效率。根据负荷特性与众多影响因素间量化关系中各影响因素对应系数的相对大小，即可确定各负荷特性指标主导影响因素及其相关性程度排序。附图说明图1是本发明第一实施例提供的电力负荷影响因素量化分析设备的示意图图2是本发明第二实施例提供的电力负荷影响因素量化分析方法流程示意图；图3是本发明第三实施例提供的电力负荷影响因素量化分析装置的结构示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。所属
技术领域：
的技术人员知道，本发明可以实现为设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。下面将参照本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或框图描述本发明。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种虚拟机，这些计算机程序指令通过计算机或其它可编程数据处理装置执行，产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置以特定方式工作的计算机可读介质中，这样，存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置(instructionmeans)的制造品(manufacture)。也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。实施例一请参见图1，图1是本发明实施例一提供的电力负荷影响因素量化分析设备的示意图，用于执行本发明实施例提供的电力负荷影响因素量化分析方法，如图1所示，该电力负荷影响因素量化分析设备包括：至少一个处理器11，例如CPU，至少一个网络接口14或者其他用户接口13，存储器15，至少一个通信总线12，通信总线12用于实现这些组件之间的连接通信。其中，用户接口13可选的可以包括USB接口以及其他标准接口、有线接口。网络接口14可选的可以包括Wi-Fi接口以及其他无线接口。存储器15可能包含高速RAM存储器，也可能还包括非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器15可选的可以包含至少一个位于远离前述处理器11的存储装置。在一些实施方式中，存储器15存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集:操作系统151，包含各种系统程序，用于实现各种基础业务以及处理基于硬件的任务；程序152。具体地，处理11用于调用存储器15中存储的程序152，执行上述实施例所述的电力负荷影响因素量化分析方法。所称处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述电力负荷影响因素量化分析方法的控制中心，利用各种接口和线路连接整个所述电力负荷影响因素量化分析方法的各个部分。所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现电力负荷影响因素分析的电子装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。其中，所述电力负荷影响因素分析集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。下面将参照附图来描述根据本发明实施例的电力负荷影响因素分析的方法。实施例二参见图2，本发明第二实施例提供的电力负荷影响因素量化分析方法流程示意图；S11、获取初选负荷特性影响因素，以得到初选负荷特性影响因素集。需要说明的是，电力负荷预测精度的提高，需要考虑电力负荷本身的内在规律与特点，还要对负荷的影响因素实施定量研究，通过对大量数据分析发现，电力负荷特性受经济发展、产业结构、全社会用电量结构、城镇居民和乡村居民用电比重、全省人均GDP、全省人均用电量、居民人均生活用电量等众多因素影响。不同地域、不同时期电力负荷特性的主导影响因素及其与负荷特性指标间的量化关系可能不同。则所述初选负荷特性影响因数包括：第一产业GDP比重、第二产业GDP比重、第三产业GDP比重、第一产业用电量全社会比重、第二产业用电量全社会比重、第三产业用电量全社会比重、居民用电量全社会比重、城镇居民用电全社会比重、乡村居民用电全社会比重、全省人均GDP、全省人均用电量、居民人均用电量、城镇化率及气候气温等，对于政治因素、时间因素、电价因素以及突发事件例如拉闸限电、冲击负荷、停电检修和重大活动等都可能对系统负荷产生很大的影响，本发明对此不作具体限定。具体的，以气象因素进行举例说明，由于空调负荷、农业灌溉负荷都与气象因数有关，而气象因数对负荷大小的影响主要表现为负荷的突然变化，气温对负荷影响最大的气象因数，随着人们更多地使用因气温变化而产生的极大需求量的产品，如空调、冰箱等，气象对负荷的影响越来越大。在本实施例中，负荷特性影响因数众多，在进行电力负荷特性影响因数分析时，需要将初选出来的负荷特性影响因素进行梳理汇总，以得到所述初选负荷特性影响因素集，便于后续的电力负荷特性影响因数分析的开展。S12、对所述初选负荷特性影响因素集中每一所述初选负荷特性影响因素进行标幺化处理，获取负荷特性影响因素标幺化集。需要说明的是，不同影响因素的量纲不同，可能数值差异巨大，为避免各影响因素量纲的不同对分析结果的不利影响，需要对初选的影响因素进行标幺化处理，也是一种归一化或标准化处理，标幺制的本质是采用相对值(标幺值)单位系统代替绝对值(有名值)单位系统。电力系统标幺值是电力系统分析和工程计算中常用的数值标记方法，表示各物理量及参数的相对值，单位为pu(也可以认为其无量纲)。有名值是电力系统各物理量及参数的带量纲的数值。标幺值是各物理量及参数的相对值，是不带量纲的数值。标幺值是相对于某一基准值而言的，同一有名值，当基准值选取不同时，其标幺值也不同。它们的关系为:标幺值＝有名值/基准值。优选地，所述对所述初选负荷特性影响因素集中每一所述初选负荷特性影响因素进行标幺化处理，获取负荷特性影响因素标幺化集包括：获取所述初选负荷特性影响因素的时段范围；对所述时段范围进行划分，以获取各个时段对应的所述初选负荷特性影响因素；将各个时段对应的所述初选负荷特性影响因素除以所述时段范围内所述初选特性影响因素最大值，以得到所述初选负荷特性影响因素的标幺值；获取各个所述初选负荷特性影响因素的标幺值，以得到所述负荷特性影响因素标幺化集。具体的，以初选负荷特性影响因素为GDP，研究时段为3年进行举例说明，对所述研究时段3年进行划分为三个时间段，则初选负荷特性影响因素GDP分别为1000万、1600万和2000万，则所述研究时段3年中，所述初选负荷特性影响因素GDP的最大值为2000万，分别将1000万、1600万和2000万除以2000万，得到的标幺值为0.5、0.8和1，在本实施例中，所述基准值是研究时段该影响因素的最大值。具体的，以某地区为例，2006年～2013年的研究时间段内，该地区负荷特性初选影响因素标幺化集如表1所示。该表中所述初选负荷特性影响因素主要包括历史年份全省产业结构、全社会用电量结构、城镇居民和乡村居民用电比重、全省人均GDP、全省人均用电量、居民人均生活用电量等共13项，各所述初选负荷特性影响因素分别用f1、f2…f13表示，可知标幺化的最后结果是各影响因素的值均在[0，1]之间。表1S13、根据主元分析对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集。需要说明的是，主元分析方法(Principalcomponentanalysis)是一种对数据进行分析的技术，通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。主元分析这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。主元分析法的基本思路是：寻找一组新变量来代替原变量，新变量是原变量的线性组合。从优化的角度看，新变量的个数要比原变量少，并且最大限度地携带原变量的有用信息，且新变量之间互不相关。其内容包括主元的定义和获取，以及通过主元的数据重构。现有技术在进行电力负荷特性影响因数分析时，都是逐项进行的，没有考虑到同步一步次性进行量化分析，由此主元分析方法在电力负荷特性影响因数分析中较少被应用。优选地，所述根据主元分析对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集包括：调取MATLAB中主元变换函数对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集。在本实施例中，直接调用如MATLAB中主元变换函数就可以进行变换计算。主元变换方法与程序都已经很成熟，很多计算分析软件中都有相应函数供调用，本发明对此不作具体限定。S14、对所述主元向量集中的主元向量进行筛选，选取出包含所述初选负荷特性影响因素绝大部分信息量的N个所述主元向量，以得到新主元向量集；其中，所述新主元向量集向量数小于所述主元向量集向量数；其中，N大于1。需要说明的是，根据主元分析方法的特点，初选影响因素绝大部分信息将包含在主元分析得到的少数几个主元向量中。因此，只需要选取包含初始影响因素信息量最多的少数几个主元向量进行后续分析，选出具有代表性的主元向量，能使得后续分析简化、且对所述初选负荷特性影响因素有较好的代表性。优选地，在所述调取MATLAB中主元变换函数对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集之后，包括：输出各个所述主元向量的贡献率；则所述对所述主元向量集中的主元向量进行筛选，选取出包含所述初选负荷特性影响因素信息量最多的主元向量，以得到新主元向量集包括：对各个所述主元向量的贡献率进行筛选，获取贡献率在预设范围内的主元向量，以得到新主元向量集。在本实施例中，主元变换函数进行主元变换后，都会输出各主元向量的贡献率，可以对各个所述主元向量的贡献率进行排序之后，选取出在排序前预设范围内的主元向量，也可以通过对贡献率的值进行一个预设范围的设定，在主元向量的贡献率达到所述预设范围内时，选取所述主元向量；也可以考虑主元向量的综合贡献率，若取两个主元向量，这两个主元向量的贡献率就是两个贡献率相加，99％的贡献率直观理解就是变换后的主元包含了原来众多影响因素信息量的99％，本发明对此不作具体限定。S15、对所述新主元向量集中的每一所述主元向量与负荷特性指标进行相关性分析，以得到所述初选负荷特性影响因素与所述负荷特性指标之间的量化关系。需要说明的是，在选取了合适的主元向量后，下一步即分析选出的主元向量与负荷特性指标间的量化关系。负荷特性指标可能因为受如冰冻灾害、干旱少雨等短时特殊外界因素的影响有较大波动。因此，在把握负荷特性指标变化趋势的同时，应避免偶然因素对总体变化趋势判断的影响，出现“过拟合”情况，偶然因素可能导致负荷特性指标出现突变，但未来负荷特性预测是不考虑偶然因素。若得到量化关系的历史数据包含偶然因素的影响，得到的量化关系就不能很好的预测未来负荷特性变化。为此需要进行相关性分析，多元线性回归算法作为相关性分析中重要一员由来已久，广泛运用于多领域数据分析当中，它既把握了多变量间的相关性，又不纠结于细枝末节，鉴于此，采用多元线性回归进行主元特征向量与负荷特性指标间的量化相关性分析，相关性分析的方法很多，如如非线性回归、最小二乘法等，本发明对此不作具体限定。优选地，所述对所述新主元向量集中的每一所述主元向量与负荷特性指标进行相关性分析，以得到所述初选负荷特性影响因素与所述负荷特性指标之间的线性关系包括：根据所述相关性分析获取得到所述新主元向量集的主元分析因素变换矩阵；根据所述主元分析因素变换矩阵的逆变换获取得到所述初选负荷特性影响因素与所述负荷特性指标之间的线性关系。具体的，仍然以G地区为例，以下用p1、p2…p13分别表示第1个、第2个…第13个主元，p1主元代表初始因素集信息的贡献率最大、p2贡献率次之…p13贡献率最小。通过主元分析得到的主元集[p1、p2…p13]与初始因素集[f1、f2…f13]有如下关系：p1＝x1-1×f1+x1-2×f2+x1-3×f3+...+x1-13×f13p2＝x2-1×f1+x2-2×f2+x2-3×f3+...+x2-13×f13p3＝x3-1×f1+x3-2×f2+x3-3×f3+...+x3-13×f13……p13＝x13-1×f1+x13-2×f2+x13-3×f3+...+x13-13×f13在得到全部主元后，下步工作就是选择适当的主元来表示初始因素集。本节选取前三个主元p1、p2、p3(综合贡献率为99％)来对初始因素集进行描述。选取的3个主元中的每个都是原来13项初始影响因素的线性组合：p1＝x1-1×f1+x1-2×f2+x1-3×f3+...+x1-13×f13p2＝x2-1×f1+x2-2×f2+x2-3×f3+...+x2-13×f13p3＝x3-1×f1+x3-2×f2+x3-3×f3+...+x3-13×f13其中，为主元分析因素变换矩阵A，在得到主元与负荷特性指标间的量化关系后，通过因素变换矩阵逆变换A-1即可得到初选影响因素与负荷特性指标之间的量化关系。指标计算方法日最大(小)负荷典型日记录的负荷数据中，数据最大(小)的一个数据日平均负荷每天的用电量处于24日负荷率每天的平均负荷和最高的负荷比值，表示一天中负荷分布的均衡性日最小负荷率每天最小负荷和最大负荷值之比日峰谷差每天最小负荷和最大负荷的差值日峰谷差率每天最小负荷和最大负荷的差值与最大负荷之比日负荷曲线按一天中采集的负荷数据进行绘制的曲线月平均日负荷率当月每天日负荷率的均值月负荷率每平均负荷和该月最大负荷日的平均负荷之比年平均日负荷率全年中各月最大负荷日的平均负荷之和与月最大负荷日最大负荷之和的比值季节负荷率一年内12个月各月最大负荷日的最大负荷之和的平均与最大负荷的比值表2需要说明的是，负荷特性指标是用来描述负荷特性的，根据用电负荷特点，总结出负荷特性的基本指标，参见表2。S16、根据所述线性关系中各个所述初选负荷特性影响因素对应系数的相对大小，获取各个所述负荷特性指标与所述初选负荷特性影响因素相关性的排序，以得到各个所述负荷特性指标对应的主导影响因素。需要说明的是，首先将进行主元分析得到的主元与负荷特性指标进行多元线性相关性量化分析，再通过逆转换得到负荷特性指标与初始负荷特性影响之间的线性量化关系式。根据线性量化关系式中各影响因素对应系数的相对大小，即可确定各负荷特性指标主导影响因素及其相关性排序。实施本实施例具有如下有益效果：获取初选负荷特性影响因素，对所述初选负荷特性影响因素集中每一所述初选负荷特性影响因素进行标幺化处理，以避免不同影响因素的量纲不同对分析结果的不利影响，可以根据主元分析对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构，对所述主元向量集中的主元向量进行筛选，选取出包含所述初选负荷特性影响因素信息量最多的主元向量，提出了一种对众多电力负荷特性影响因素进行降维简化的思路与方法。该方法不是将负荷特性指标与影响因素直接进行相关性分析，而是先将不同影响因素进行标幺化统一量纲，再将标幺化的的影响因素进行主元分析转换成为数不多的主元再与负荷特性指标进行相关性分析。该方法避免了负荷特性影响因素不同量纲对相关性分析带来的不利影响，同时避免了负荷特性主导影响因素与次要影响因素不能有效区分的问题，对所述新主元向量集中的每一所述主元向量与负荷特性指标进行相关性分析，以得到所述初选负荷特性影响因素与所述负荷特性指标之间的线性关系，从而实现了负荷特性与影响因素间的相关性量化分析，提高了分析的准确度与效率。通过逆转换得到负荷特性指标与初始负荷特性影响之间的线性量化关系式。根据线性量化关系式中各影响因素对应系数的相对大小，即可确定各负荷特性指标主导影响因素及其相关性排序，实现了对主导影响因素进行甄别，并根据各因素与负荷特性的相关程度进行排序，可以不局限于用电负荷类型，不限于地域，不限于分析时间窗口大小，可进行同步一次性量化分析。参见图3，图3是是本发明第二实施例提供的电力负荷影响因素量化分析装置的结构示意图。包括：初选因素集获取模块31，用于获取初选负荷特性影响因素，以得到初选负荷特性影响因素集；标幺化集获取模块32，用于对所述初选负荷特性影响因素集中每一所述初选负荷特性影响因素进行标幺化处理，获取负荷特性影响因素标幺化集；主元向量集获取模块33，用于根据主元分析对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集；新主元向量集获取模块34，用于对所述主元向量集中的主元向量进行筛选，选取出包含所述初选负荷特性影响因素绝大部分信息量的N个主元向量，以得到新主元向量集；其中，所述新主元向量集向量数小于所述主元向量集向量数；其中，N大于1；相关性分析模块35，用于对所述新主元向量集中的每一所述主元向量与负荷特性指标进行相关性分析，以得到所述初选负荷特性影响因素与所述负荷特性指标之间的量化关系；排序模块36，用于根据所述线性关系中各个所述初选负荷特性影响因素对应系数的相对大小，获取各个所述负荷特性指标与所述初选负荷特性影响因素相关性的排序，以得到各个所述负荷特性指标对应的主导影响因素。优选地，所述相关性分析模块35包括：根据所述相关性分析获取得到所述新主元向量集的主元分析因素变换矩阵；根据所述主元分析因素变换矩阵的逆变换获取得到所述初选负荷特性影响因素与所述负荷特性指标之间的线性关系。优选地，所述初选负荷特性影响因素包括：第一产业GDP比重、第二产业GDP比重、第三产业GDP比重、第一产业用电量全社会比重、第二产业用电量全社会比重、第三产业用电量全社会比重、居民用电量全社会比重、城镇居民用电全社会比重、乡村居民用电全社会比重、全省人均GDP、全省人均用电量、居民人均用电量、城镇化率及气候气温。优选地，所述标幺化集获取模块32包括：获取所述初选负荷特性影响因素的时段范围；对所述时段范围进行划分，以获取各个时段对应的所述初选负荷特性影响因素；将各个时段对应的所述初选负荷特性影响因素除以所述时段范围内所述初选特性影响因素最大值，以得到所述初选负荷特性影响因素的标幺值；获取各个所述初选负荷特性影响因素的标幺值，以得到所述负荷特性影响因素标幺化集。优选地，所述主元向量集获取模块33包括：主元向量集获取单元，用于调取MATLAB中主元变换函数对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集。优选地，在所述主元向量集获取单元之后，包括：输出各个所述主元向量的贡献率；则所述新主元向量集获取模块包括：对各个所述主元向量的贡献率进行筛选，获取贡献率在预设范围内的主元向量，以得到新主元向量集。上述技术方案的一个技术方案具有如下优点：获取初选负荷特性影响因素，对所述初选负荷特性影响因素集中每一所述初选负荷特性影响因素进行标幺化处理，以避免不同影响因素的量纲不同对分析结果的不利影响，可以根据主元分析对所述负荷特性影响因素标幺化集进行变换，获取得到主元向量集，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构，对所述主元向量集中的主元向量进行筛选，选取出包含所述初选负荷特性影响因素信息量最多的主元向量，避免了负荷特性主导影响因素与次要影响因素不能有效区分的问题，对所述新主元向量集中的每一所述主元向量与负荷特性指标进行相关性分析，以得到所述初选负荷特性影响因素与所述负荷特性指标之间的线性关系，从而实现了负荷特性与影响因素间的相关性量化分析，提高了分析的准确度与效率。需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。以上所述是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，在某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。其次，本领域技术人员也应知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模拟一定是本发明所必须的。当前第1页1 2 3