本发明属于电气自动化领域,具体涉及一种工商业负荷潜力分析方法及系统。
背景技术:
1、随着经济技术的发展和人们生活水平的提高,电能已经成为了人们生产和生活中必不可少的二次能源,给人们的生产和生活带来了无尽的便利。因此,保障电能的稳定可靠供应,就成为了电力系统最重要的任务之一。
2、电力系统的负荷预测,是电力系统的重要任务之一。精确、可靠的负荷预测结果,能够帮助电力系统进行运行计划的制定、电力系统发展规划的制定等,从而极大的提高电力系统的运行效率和运行可靠性。因此,电力系统的负荷预测,对于电力系统而言,意义重大。
3、工商业负荷是电力系统的重要组成部分;而且相比于传统的工业负荷,工商业负荷的随机性更大,负荷波动性更大。因此,对工商业负荷的潜力进行分析,将极大的提高电力系统负荷预测的可靠性和精确性,从而提高电力系统的稳定性和可靠性。
4、但是,目前传统的工商业负荷潜力分析方案,采用的依旧是传统的数据增长率的方案,即将上一年度或历史年度的工商业负荷,直接乘以设定的增长比率,以得到未来预测年份的工商业负荷,从而实现对工商业负荷潜力的分析。这类方案虽然简单,但是其可靠性和精确性均较差,已经不再满足现今的电力系统的负荷预测和分析要求。
技术实现思路
1、本发明的目的之一在于提供一种可靠性高、精确性好且客观科学的工商业负荷潜力分析方法。
2、本发明的目的之二在于提供一种实现所述工商业负荷潜力分析方法的系统。
3、本发明提供的这种工商业负荷潜力分析方法,包括如下步骤:
4、s1.获取工商业负荷的历史数据信息;
5、s2.对步骤s1获取的数据信息进行数据处理,得到处理数据集;
6、s3.构建工商业负荷潜力分析指标集;
7、s4.采用步骤s2得到的处理数据集,计算工商业负荷的潜力分析指标;
8、s5.根据步骤s4得到的潜力分析指标数据,完成工商业负荷的潜力分析。
9、步骤s2所述的数据处理,具体包括数据清洗、经验模态分解和负荷聚类。
10、所述的数据清洗,具体包括如下步骤:
11、数据检查:对获取的原始数据进行唯一性检查、完整性检查、一致性检查和有效性检查;
12、数据分析:对数据检查后的数据,进行数据质量分析、异常值分析和缺失值分析;其中,异常值分析为根据设定条件,将数据异常值进行删除;缺失值分析,具体为采用贝叶斯方法对缺失的数据进行数据插补;
13、数据降维:采用主成分分析方法,对数据分析后的数据,进行数据降维处理,最终得到数据清洗后的数据信息。
14、所述的经验模态分解,具体包括如下步骤:
15、a.获取经过数据清洗后的数据信息,并作为原始数据;
16、b.根据原始数据的若干个上极值点和若干个下极值点,得到对应的上包络线和下包络线;
17、c.根据得到的上包络线和下包络线,计算得到平均包络,并作为模态分解的基准;
18、d.从平均包络中减去获取的数据信息,得到微分分量;
19、e.对得到的微分分量进行判断:
20、若满足约束,则迭代停止;
21、若不满足约束,则在当前的原始数据中减去得到的频段子信号,并将得到的数据作为新的原始数据,并回到步骤b进行下一轮迭代;
22、f.最终,完成数据经验模态分解。
23、所述的负荷聚类,具体包括如下步骤:
24、在所有节点数据组成的拓扑图中,将顶点集表示为v,节点i的训练集表示为其中m为数据点的维数,n为节点i的训练集的数据量;y=[y1,y2,…,yn]为由所有n个节点训练集组成的全局数据集;
25、对于节点i,k-means聚类问题描述为:
26、
27、式中j是从所有数据点到每个聚类中心的误差平方和;k为聚类中心的总数;为第k个聚类中心中第j个数据的权重,且为节点i中第j个数据对应的特征;ck为第k个聚类中心;为绝对值操作;
28、分配:计算每个数据点与初始聚类中心的欧氏距离,然后根据计算的距离将每个数据点分配到距离最近的中心所代表的聚类;
29、更新:采用如下算式计算新的聚类中心:
30、
31、式中ck(t+1)为新的聚类中心;i为新聚类中心的总数;为新聚类中心中第i个数据的权重;yi为节点i中对应的特征;
32、当聚类中心收敛或迭代次数达到设定值时,停止迭代,聚类分析完成。
33、步骤s3所述的构建工商业负荷潜力分析指标集,具体包括如下步骤:
34、备用容量指标:采用如下算式计算备用容量指标rc:
35、rc=plf,max-plf,min
36、式中plf,max为最大聚类中心位置对应的容量值;plf,min为最小聚类中心位置对应的容量值;
37、响应速率指标:采用如下算式计算响应速率指标rs:
38、
39、式中n为聚类中心的总数;khf为模态分解得到的高频载荷数据的斜率。
40、本发明还提供了一种实现所述工商业负荷潜力分析方法的系统,包括数据获取模块、数据处理模块、指标构建模块、指标计算模块和潜力分析模块;数据获取模块、数据处理模块、指标构建模块、指标计算模块和潜力分析模块依次串联;数据获取模块用于获取工商业负荷的历史数据信息,并将数据上传数据处理模块;数据处理模块用于根据接收到的数据,对数据信息进行数据处理,得到处理数据集,并将数据上传指标构建模块;指标构建模块用于根据接收到的数据,构建工商业负荷潜力分析指标集,并将数据上传指标计算模块;指标计算模块用于根据接收到的数据,计算工商业负荷的潜力分析指标,并将数据上传潜力分析模块;潜力分析模块用于根据接收到的数据,根据潜力分析指标数据,完成工商业负荷的潜力分析。
41、本发明提供的这种工商业负荷潜力分析方法及系统,通过对获取的历史数据进行数据清洗和处理,针对性的构建负荷潜力分析指标,并根据历史数据计算负荷潜力分析指标,从而完成工商业负荷潜力的分析;因此本发明的可靠性更高,精确性更好,而且更加客观科学。
1.一种工商业负荷潜力分析方法,包括如下步骤:
2.根据权利要求1所述的工商业负荷潜力分析方法,其特征在于步骤s2所述的数据处理,具体包括数据清洗、经验模态分解和负荷聚类。
3.根据权利要求2所述的工商业负荷潜力分析方法,其特征在于所述的数据清洗,具体包括如下步骤:
4.根据权利要求3所述的工商业负荷潜力分析方法,其特征在于所述的经验模态分解,具体包括如下步骤:
5.根据权利要求4所述的工商业负荷潜力分析方法,其特征在于所述的负荷聚类,具体包括如下步骤:
6.根据权利要求5所述的工商业负荷潜力分析方法,其特征在于步骤s3所述的构建工商业负荷潜力分析指标集,具体包括如下步骤:
7.一种实现权利要求1~6之一所述的工商业负荷潜力分析方法的系统,其特征在于包括数据获取模块、数据处理模块、指标构建模块、指标计算模块和潜力分析模块;数据获取模块、数据处理模块、指标构建模块、指标计算模块和潜力分析模块依次串联;数据获取模块用于获取工商业负荷的历史数据信息,并将数据上传数据处理模块;数据处理模块用于根据接收到的数据,对数据信息进行数据处理,得到处理数据集,并将数据上传指标构建模块;指标构建模块用于根据接收到的数据,构建工商业负荷潜力分析指标集,并将数据上传指标计算模块;指标计算模块用于根据接收到的数据,计算工商业负荷的潜力分析指标,并将数据上传潜力分析模块;潜力分析模块用于根据接收到的数据,根据潜力分析指标数据,完成工商业负荷的潜力分析。