本發(fā)明涉及電力負(fù)荷數(shù)據(jù)的處理方法，尤其涉及基于非參數(shù)回歸分析的電力負(fù)荷異常數(shù)據(jù)識別與修正方法。

背景技術(shù)：

隨著我國智能電表安裝的范圍不斷擴(kuò)大，海量的電力負(fù)荷數(shù)據(jù)被采集并上傳至集控中心。然而安裝的智能電表等測量裝置故障或者通信失敗造成數(shù)據(jù)丟失，無計劃的停電事故或者檢修，臨時的天氣變化，大工業(yè)用戶生產(chǎn)線的關(guān)停等其他原因，都可以導(dǎo)致記錄的電力負(fù)荷數(shù)據(jù)偏離其常規(guī)數(shù)值。

現(xiàn)如今通過智能電表采集的電力負(fù)荷數(shù)據(jù)來源于居民生活用電、一般工商業(yè)用電和大工業(yè)用電。常規(guī)的負(fù)荷異常數(shù)據(jù)識別和修正方法的研究對象是一般工商業(yè)用電負(fù)荷或者是用電規(guī)律性很強(qiáng)的居民負(fù)荷數(shù)據(jù)，并沒有考慮用電規(guī)律性較差的大工業(yè)用電負(fù)荷。將常規(guī)方法用于大工業(yè)負(fù)荷異常數(shù)據(jù)識別，由于處理對象的負(fù)荷波動規(guī)律變?nèi)?，而且?fù)荷變化情況復(fù)雜，很容易發(fā)生誤檢和漏檢的情況。為了能夠識別包含大工業(yè)電力負(fù)荷數(shù)據(jù)在內(nèi)的電力負(fù)荷異常數(shù)據(jù)，并進(jìn)行合理的修正，提出了基于非參數(shù)回歸分析的電力負(fù)荷異常數(shù)據(jù)識別和修正方法。

常規(guī)的負(fù)荷異常數(shù)據(jù)識別和修正方法有：基于改進(jìn)ART2網(wǎng)絡(luò)的識別和調(diào)整方法、系統(tǒng)聚類和傳統(tǒng)t檢驗法相結(jié)合的識別和修正方法、改進(jìn)Knhonen神經(jīng)網(wǎng)絡(luò)與徑向基函數(shù)(RBF)網(wǎng)絡(luò)結(jié)合的電力負(fù)荷異常數(shù)據(jù)清洗方法、基于核密度估計的異常電力負(fù)荷數(shù)據(jù)識別和修正方法、基于T²橢圓圖的異常數(shù)據(jù)識別和最小二乘支持向量機(jī)的缺失數(shù)據(jù)填補方法、母線負(fù)荷異常數(shù)據(jù)復(fù)雜不確定性檢測與基于綜合云的修正方法、采用改進(jìn)的數(shù)據(jù)橫向比較法識別并修正數(shù)據(jù)、根據(jù)小波奇異性檢測確定負(fù)荷數(shù)據(jù)中錯誤的位置及類型的方法和總加動態(tài)多源處理技術(shù)和電網(wǎng)終端負(fù)荷逐一掃描辨識相結(jié)合的方法，但是現(xiàn)有方法共同的特點是方法模型復(fù)雜，有時需要其他的數(shù)據(jù)來輔助識別和修正。因此，為了在處理大工業(yè)負(fù)荷數(shù)據(jù)的情況下，仍然做到對電力負(fù)荷有效識別異常數(shù)據(jù)，并進(jìn)行合理修正，利用非參數(shù)回歸分析和改進(jìn)加權(quán)均值法來處理包含大工業(yè)電力負(fù)荷數(shù)據(jù)在內(nèi)的電力負(fù)荷數(shù)據(jù)。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于非參數(shù)回歸分析的電力負(fù)荷異常數(shù)據(jù)識別與修正方法，具有方法模型簡單，適用于包含大工業(yè)電力負(fù)荷數(shù)據(jù)在內(nèi)的電力負(fù)荷異常數(shù)據(jù)識別和修正。

為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

基于非參數(shù)回歸分析的電力負(fù)荷異常數(shù)據(jù)識別與修正方法，包括以下步驟：

步驟1：對電力負(fù)荷數(shù)據(jù)采用統(tǒng)計模糊矩陣技術(shù)進(jìn)行用電模式分類，將電力負(fù)荷數(shù)據(jù)分為普通用電模式數(shù)據(jù)集和特殊用電模式數(shù)據(jù)集兩大類；

步驟2：采用非參數(shù)回歸分析法，對步驟1中獲得的普通用電模式數(shù)據(jù)集提取各時刻的負(fù)荷特征值；

步驟3：利用步驟2中提取的負(fù)荷特征值，根據(jù)選取的置信水平，形成異常數(shù)據(jù)域；

步驟4：對普通用電模式數(shù)據(jù)集和特殊用電模式數(shù)據(jù)集中的負(fù)荷數(shù)據(jù)利用步驟3形成的異常數(shù)據(jù)域進(jìn)行負(fù)荷異常數(shù)據(jù)識別；如果負(fù)荷數(shù)據(jù)屬于異常數(shù)據(jù)域，則認(rèn)為該數(shù)據(jù)是負(fù)荷異常值；

步驟5：利用改進(jìn)的引入負(fù)荷水平映射關(guān)系和考慮特征值影響的加權(quán)均值法對步驟4識別出來的負(fù)荷異常值進(jìn)行修正。

本發(fā)明的有益效果在于：能夠?qū)崿F(xiàn)包含大工業(yè)電力負(fù)荷數(shù)據(jù)在內(nèi)的電力負(fù)荷異常數(shù)據(jù)識別與修正，同時可以完善負(fù)荷異常數(shù)據(jù)識別和修正理論在電力負(fù)荷數(shù)據(jù)處理方面理論的不足。本發(fā)明所提采用非參數(shù)回歸分析進(jìn)行特征值提取，充分考慮在同一用電模式下不同的負(fù)荷水平，使得獲得的負(fù)荷特征值更具有代表性。同時，本發(fā)明在常規(guī)加權(quán)均值法的基礎(chǔ)上，引入映射關(guān)系和特征值影響，可以提高負(fù)荷異常數(shù)據(jù)修復(fù)的準(zhǔn)確性。本發(fā)明的識別與修正方法可與電力負(fù)荷預(yù)測技術(shù)相結(jié)合，提高預(yù)測數(shù)據(jù)的準(zhǔn)確程度，還可以用于大工業(yè)用戶用電規(guī)律分析，為售電公司代理的用戶在電力市場購電提供決策依據(jù)。也可以為大工業(yè)用戶制定高效節(jié)能的用電方案提供必要的信息。

附圖說明

圖1為本發(fā)明所述的基于非參數(shù)回歸分析的電力負(fù)荷異常數(shù)據(jù)識別與修正方法流程示意圖。

具體實施方式

下面將結(jié)合附圖對本發(fā)明作進(jìn)一步說明。但本發(fā)明的內(nèi)容不僅僅局限如此。如圖1所示，本發(fā)明所提方法具體步驟如下：

步驟1：對電力負(fù)荷數(shù)據(jù)采用統(tǒng)計模糊矩陣技術(shù)進(jìn)行用電模式分類，將電力負(fù)荷數(shù)據(jù)分為普通用電模式數(shù)據(jù)集和特殊用電模式數(shù)據(jù)集兩大類。具體包含以下4步：

1)將電力日負(fù)荷數(shù)據(jù)視為一個負(fù)荷向量，用該負(fù)荷向量除以本日最大負(fù)荷，實現(xiàn)負(fù)荷向量歸一化；

2)計算日負(fù)荷向量之間的近似系數(shù)，計算方法如式(1)所示；日負(fù)荷向量之間的近似系數(shù)構(gòu)成近似系數(shù)矩陣W；

在式(1)中，X_ij和X_kj(j＝1,2,…,n)表示第i天和第k天的第j個時間點的負(fù)荷，n表示日負(fù)荷記錄的負(fù)荷個數(shù)，W_ik表示第i天和第k天的近似系數(shù)；

3)通過近似系數(shù)矩陣的m次自乘，計算獲得等效模糊矩陣如式(2)和(3)所示，其中m小于等于普通用電模式中的歷史負(fù)荷向量數(shù)；

在式(2)中，W_m表示等效模糊矩陣，W表示近似系數(shù)矩陣,模糊矩陣乘法運算符，W_jk表示第j天和第k天的近似系數(shù)，表示第i天和第j天的等效近似系數(shù)；

4)根據(jù)等效模糊矩陣計算結(jié)果，選取合適的分類閾值，將電力負(fù)荷數(shù)據(jù)分為兩大類；分類閾值選取方法如下：

在步驟1)中，將負(fù)荷向量進(jìn)行了歸一化處理，負(fù)荷向量用電模式相似與否取決于負(fù)荷向量所代表的日負(fù)荷曲線的波動情況。由于消除了負(fù)荷水平的影響，如果兩個負(fù)荷向量用電模式相似，其模糊等效相似系數(shù)會大于0.999，所以可以選取0.999作為分類閾值。

步驟2：采用非參數(shù)回歸分析法，對步驟1中獲得的普通用電模式數(shù)據(jù)集提取各時刻的負(fù)荷特征值。

由于電力負(fù)荷數(shù)據(jù)具有在同一時刻出現(xiàn)的負(fù)荷值波動小，分布集中的特點。所以對于普通用電模式數(shù)據(jù)集，考慮日負(fù)荷數(shù)據(jù)的上述特點進(jìn)行各時刻的負(fù)荷特征值提?。辉跁r刻t，負(fù)荷特征值基于非參數(shù)回歸分析的特征值模型如(4)式所示：

式(4)中，L是觀測值個數(shù)，是一系列的權(quán)重，其中ω_i是點(t,y_i)的權(quán)重，y_i是負(fù)荷在t時刻的觀測值，是t時刻的負(fù)荷特征值。其中，ω_i通過式(5)和(6)給出：

式(5)和(6)中，Kern_h(l)是尺度參數(shù)為h的核密度函數(shù)，l負(fù)荷特征值的位置標(biāo)記，且l＝L+1，l_i負(fù)荷觀測值位置標(biāo)記，且l_i∈[1,L]，L是觀測值個數(shù)；對于尺度參數(shù)h，其值越大，考慮的數(shù)據(jù)信息越多，得到的特征值越能夠反映數(shù)據(jù)分布，所以本發(fā)明中將h設(shè)定為數(shù)據(jù)集中負(fù)荷向量的個數(shù)。采用廣泛應(yīng)用的Nadaraya-Wastson非參數(shù)回歸分析方法進(jìn)行負(fù)荷特征值提取，則特征值如式(7)所示：

在本發(fā)明中選擇標(biāo)準(zhǔn)正態(tài)分布的概率密度函數(shù)作為核函數(shù)，即如(8)式所示。

步驟3：利用步驟2中提取的負(fù)荷特征值，根據(jù)選取的置信水平，形成異常數(shù)據(jù)域。

在時刻t，電力負(fù)荷數(shù)據(jù)的觀測值和負(fù)荷特征值的關(guān)系如下式所示：

式(9)中y_i是負(fù)荷在t時刻的觀測值，ε_i是特征值與觀測值之間的誤差。假設(shè)誤差項ε_i之間獨立同分布，且服從均值為0，方差σ²為正態(tài)分布，方差σ²的估計值如(10)式所示：

則異常數(shù)據(jù)域如(11)式所示：

式(11)中，α表示置信水平，標(biāo)準(zhǔn)正態(tài)分布的100·(1-α/2)分位數(shù)，y表示異常負(fù)荷數(shù)據(jù)，表示異常數(shù)據(jù)集合。

步驟4：對普通用電模式數(shù)據(jù)集和特殊用電模式數(shù)據(jù)集中的負(fù)荷數(shù)據(jù)利用步驟3形成的異常數(shù)據(jù)域進(jìn)行負(fù)荷異常數(shù)據(jù)識別；如果電力負(fù)荷數(shù)據(jù)屬于異常數(shù)據(jù)域，則認(rèn)為該數(shù)據(jù)是電力負(fù)荷異常值。

步驟5：利用引入負(fù)荷水平映射關(guān)系和考慮特征值影響的改進(jìn)加權(quán)均值法對步驟4識別出來的負(fù)荷異常值進(jìn)行修正。具體方法是，選取與待修正日相鄰近的普通用電模式下的日負(fù)荷，把相同時刻的歷史負(fù)荷數(shù)據(jù)作為參考，其修正公式如式(12)所示：

式(12)中，L_d,t表示修正結(jié)果，m表示選取m個普通用電模式下的日負(fù)荷，f(y_d-i)和λ_i分別為第d-i天t時刻的負(fù)荷映射值和對待修正值的影響權(quán)重，λ為負(fù)荷特征值在t時刻對待修正值的影響權(quán)重，為負(fù)荷特征值的映射值。映射關(guān)系如(13)式所示：

式(13)中，x_t-1為t-1時刻的負(fù)荷值，x’_t和x’_t-1為相似日在t和t-1時刻的負(fù)荷值，f(x_t)為經(jīng)過映射后的負(fù)荷值。