基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電力運(yùn)行監(jiān)測領(lǐng)域，尤其是一種電力運(yùn)行月度重要指標(biāo)篩選方法。
【背景技術(shù)】
[0002] 隨著電網(wǎng)公司外部經(jīng)營環(huán)境的快速變化，電網(wǎng)企業(yè)面臨著社會用電量增速下降， 收入增長放緩的不利局面。因此電網(wǎng)企業(yè)需要從公司可持續(xù)發(fā)展的視角，對公司的運(yùn)營狀 況進(jìn)行全局性、綜合性的分析，發(fā)現(xiàn)公司運(yùn)營中存在的能力短板，使決策者能夠制定相應(yīng)的 策略對能力短板予以消除。同時，還需要在日常的動態(tài)運(yùn)營過程中，能夠連續(xù)的、敏捷的發(fā) 現(xiàn)公司運(yùn)營中存在的異動，追溯原因，使公司能夠動態(tài)的調(diào)整自身運(yùn)營能力，應(yīng)對快速變化 的內(nèi)、外部環(huán)境。
[0003] 省級電力公司需要對公司運(yùn)營動態(tài)開展了常態(tài)化的監(jiān)測日報、公司月度運(yùn)營動態(tài) 分析報告等分析工作，對公司領(lǐng)導(dǎo)對公司運(yùn)營狀況的把握形成了初步的支撐。因此，從電網(wǎng) 的經(jīng)濟(jì)效益出發(fā)考慮，找出能夠支撐決策，判斷運(yùn)營狀態(tài)的重要指標(biāo)，并加以分析就顯得異 常迫切了。

【發(fā)明內(nèi)容】

[0004] 為了克服已有電力運(yùn)行監(jiān)測方式的無法判斷指標(biāo)重要性的不足，本發(fā)明提供一種 有效篩選出月度重要指標(biāo)的基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選方法。
[0005] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
[0006] -種基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選方法，所述篩選方法包括 以下步驟：
[0007] (1)從數(shù)據(jù)庫中取出所有月級別指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)；
[0008] ⑵對所有指標(biāo)X進(jìn)行編號，并加入集合XS={XiIi= 1，2…n}，Xi為指標(biāo)i的月 統(tǒng)計(jì)數(shù)據(jù)；
[0009] (3)線性相似度計(jì)算
[0010](3. 1)對集合XS中的n個指標(biāo)兩兩組合；
[0011] (3. 2)依次對所有組合進(jìn)行相關(guān)度計(jì)算，相關(guān)系數(shù)計(jì)算公j
~,、h,分別表示指標(biāo)期望與指標(biāo)Xj的期望，分別表示指標(biāo)Xi的標(biāo)準(zhǔn)差與指 標(biāo)Xj的標(biāo)準(zhǔn)差，記指標(biāo)Xi與指標(biāo)Xj之間的相關(guān)系數(shù)為Pz,z,;
[0012] 對所有相關(guān)系數(shù)Pz,'.取其絕對值！Px,'.I記作Aj，并加入集合RS={TijIi= 1，2…n，j= 1，2…n，i乒j};
[0013] (4)篩選月度重要指標(biāo)
[0014] (4. 1)對集合RS進(jìn)行降序處理，按照rij的值從大到小重新排序；
[0015] (4.2)保留集合RS中rij值在區(qū)間[0.9，1]內(nèi)所有元素，遍歷集合RS，直至出現(xiàn) ryo. 9,刪除該元素及其后的所有元素；
[0016] (4. 3)統(tǒng)計(jì)集合RS中每一個指標(biāo)出現(xiàn)的次數(shù)，若指標(biāo)i出現(xiàn)a次則記ti=a， aG[0,n-1]，并加入集合TS= {tk|k= 1，2*"n}，這里下標(biāo)k即指標(biāo)的編號；
[0017] (4. 4)對集合TS進(jìn)行降序處理，按照tk的值從大到小重新排序；
[0018] (4.5)設(shè)6值為1;
[0019] (4.6)取集合TS的第e項(xiàng)和第e+1項(xiàng)，計(jì)算第e項(xiàng)與第e+1項(xiàng)之差，并將差值加入 集合CS;
[0020] (4. 7)對e進(jìn)行加1操作，并判斷第e+1項(xiàng)是否為集合TS的最后一項(xiàng)；若否，回到 步驟4.6;若是，繼續(xù)下一步驟4.8;
[0021] (4.8)從集合CS找出的最大差值c;
[0022] (4. 9)在集合TS中找出產(chǎn)生最大差值c的減數(shù)項(xiàng)tf，并刪除tf及其以后的所有元 素；
[0023](5)提交月度重要指標(biāo)
[0024] (5. 1)經(jīng)過篩選以后集合TS中剩余的tk，指標(biāo)k是月度重要指標(biāo)；
[0025] (5. 2)從集合XS中找出月度重要指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)xk，提交這些指標(biāo)數(shù)據(jù)至數(shù)據(jù) 庫。
[0026] 進(jìn)一步，所述步驟（4.8)中，從集合CS找出的最大差值c時，若出現(xiàn)兩個或兩個以 上最大差值c，則取第一個為最大差值c。
[0027] 本發(fā)明的技術(shù)構(gòu)思為：本發(fā)明設(shè)計(jì)了一種基于相似度排序的電力運(yùn)行月度重要指 標(biāo)篩選方法。
[0028] 在實(shí)際分析過程中，從數(shù)據(jù)庫中取所有月級別指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)，然后采用Pearson 線性相關(guān)度計(jì)算計(jì)算所有指標(biāo)兩兩之間的相關(guān)系數(shù)。然后將相關(guān)系數(shù)絕對值對于[0.9,1] 之間的兩兩指標(biāo)提取出來，并統(tǒng)計(jì)所有提出來的指標(biāo)中每個指標(biāo)的出現(xiàn)次數(shù)。最后根據(jù)每 個指標(biāo)的統(tǒng)計(jì)次數(shù)從大到小排序，計(jì)算所有相鄰兩個指標(biāo)統(tǒng)計(jì)次數(shù)之差，找出最大次數(shù)之 差。截取這個指標(biāo)之前的所有統(tǒng)計(jì)指標(biāo)，這些指標(biāo)便是所需的月度重要指標(biāo)，并提交數(shù)據(jù) 庫。該項(xiàng)發(fā)明運(yùn)用相關(guān)系數(shù)計(jì)算，找出了關(guān)聯(lián)性較強(qiáng)的指標(biāo)，并通過一定的篩選方法，找出 月度重要指標(biāo)。為公司運(yùn)營，領(lǐng)導(dǎo)層決策提供了可靠的依據(jù)，有效強(qiáng)化管理，及時調(diào)整運(yùn)營， 規(guī)避風(fēng)險震蕩，實(shí)現(xiàn)效益最大化。
[0029] 本發(fā)明的有益效果主要表現(xiàn)在：1、效益最大化；2、動態(tài)監(jiān)測分析；3、快速反應(yīng)。
【附圖說明】
[0030] 圖1是基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選方法的流程圖。
[0031]圖2是基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選系統(tǒng)的結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0032] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。
[0033] 參照圖1和圖2,一種基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選方法，包 括以下步驟：
[0034] 第一步：從數(shù)據(jù)庫中取出所有月級別指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)。
[0035] 第二步：對所有指標(biāo)進(jìn)行編號，并加入集合XS={Xi|i= 1，2…n}，Xi為指標(biāo)i月 統(tǒng)計(jì)數(shù)據(jù)。
[0036] 第三步：對集合XS中的n個指標(biāo)進(jìn)行兩兩組合，共有種組合。 ￡(1,-|iA)U',-ns )
[0037] 第四步：依次對所有組合進(jìn)行相關(guān)度計(jì)算，相關(guān)系數(shù)計(jì)算公式h^;. hk分別表示指標(biāo)Xi的期望與指標(biāo)Xj的期望，％、分別表示指標(biāo)Xi的標(biāo)準(zhǔn)差與指 標(biāo)&的標(biāo)準(zhǔn)差，記指標(biāo)^與指標(biāo)\之間的相關(guān)系數(shù)為。對所有相關(guān)系數(shù)取其絕 對值IPa. 丨記作Aj，并加入集合RS={Tijli= 1，2"，n,j= 1，2"，n,i乒j}。
[0038] 第五步：對集合RS進(jìn)行降序處理。按照的值從大到小重新排序。
[0039] 第六步：保留集合RS中rij值在區(qū)間[0.9,1]內(nèi)所有元素。遍歷集合RS，直至出 現(xiàn)ru〈0. 9,刪除該元素及其后的所有元素。
[0040] 第七步：統(tǒng)計(jì)集合RS中每一個指標(biāo)出現(xiàn)的次數(shù)，即統(tǒng)計(jì)rij下標(biāo)i(j和i的意義相 同）出現(xiàn)的次數(shù)。若指標(biāo)i出現(xiàn)4次則記ti= 4,并加入集合TS={tk|k= 1，2…n}。這 里下標(biāo)k即指標(biāo)的編號
[0041] 第八步：對集合TS進(jìn)行降序處理。按照tk的值從大到小重新排序。
[0042] 第九步：設(shè)e值為1。
[0043] 第十步：取集合TS中的第e項(xiàng)與第e+1項(xiàng)，計(jì)算差值并將值加入集合CS。
[0044] 第十一步：對e進(jìn)行加1操作，并判斷第e+1項(xiàng)是否為集合TS的最后一項(xiàng)。若否， 回到第十步；若是，繼續(xù)下一步。
[0045] 第十二步：從集合CS找出的最大差值c。（若出現(xiàn)兩個最大差值，則取第一個為最 大差值c)
[0046] 第十三步：在集合TS中找出產(chǎn)生最大差值的減數(shù)項(xiàng)tf，并刪除&及其之后的所有 元素。（包括減數(shù)項(xiàng)tf)
[0047] 第十四步：集合TS中剩余的tk，指標(biāo)k是篩選出來的月度重要指標(biāo)。
[0048] 第十五步：從集合XS中找出月度重要指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)xk，提交這些指標(biāo)數(shù)據(jù)至數(shù) 據(jù)庫。
[0049] 參照圖2,應(yīng)用本方法實(shí)現(xiàn)的基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選 系統(tǒng)，主要包括：線性相似度計(jì)算模塊、篩選月度重要指標(biāo)模塊、提交月度重要指標(biāo)模塊、用 戶交互模塊。
[0050](1)線性相似度計(jì)算模塊：采用線性相關(guān)度計(jì)算，對數(shù)據(jù)庫中所有的月級別指標(biāo) 的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行兩兩的相關(guān)系數(shù)計(jì)算。
[0051] (2)篩選月度重要指標(biāo)模塊：取相關(guān)系數(shù)的絕對值在區(qū)間[0. 9,1]內(nèi)的分組指標(biāo)， 統(tǒng)計(jì)指標(biāo)出現(xiàn)次數(shù)并按次數(shù)降序排列指標(biāo)，計(jì)算最大次數(shù)差值。
[0052] (3)月度重要指標(biāo)更新模塊：篩選出最大差值之前的所有指標(biāo)，并找出這些月度 重要指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)提交至數(shù)據(jù)庫。
[0053] (4)用戶交互模塊：客戶端系統(tǒng)配置，指標(biāo)分析結(jié)果，數(shù)據(jù)可視化展示，指標(biāo)分析 算法工具。
【主權(quán)項(xiàng)】
1. 一種基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選方法，其特征在于：所述篩 選方法包括以下步驟： (1) 從數(shù)據(jù)庫中取出所有月級別指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)； (2) 對所有指標(biāo)x進(jìn)行編號，并加入集合XS={Xi|i= 1，2…n}，Xi為指標(biāo)i的月統(tǒng)計(jì) 數(shù)據(jù)； (3) 線性相似度計(jì)算 (3. 1)對集合XS中的n個指標(biāo)兩兩組合； (3. 2)依次對所有組合進(jìn)行相關(guān)度計(jì)算，相關(guān)系數(shù)計(jì)算公式R分別表示指標(biāo)Xi的期望與指標(biāo)xj的期望，分別表示指標(biāo)Xi的標(biāo)準(zhǔn)差與指 標(biāo)Xj的標(biāo)準(zhǔn)差，記指標(biāo)Xi與指標(biāo)Xj之間的相關(guān)系數(shù)為; 對所有相關(guān)系數(shù)Px,xy.取其絕對值II記作Aj，并加入集合RS={TijIi= 1, 2…n,j =1，2...n,i乒j}; (4) 篩選月度重要指標(biāo) (4. 1)對集合RS進(jìn)行降序處理，按照rij的值從大到小重新排序； (4.2)保留集合RS中rij值在區(qū)間[0.9，1]內(nèi)所有元素，遍歷集合RS，直至出現(xiàn)ryo. 9,刪除該元素及其后的所有元素； (4. 3)統(tǒng)計(jì)集合RS中每一個指標(biāo)出現(xiàn)的次數(shù)，若指標(biāo)i出現(xiàn)a次則記ti=a，aG[〇，n_l]，并加入集合TS= {tk|k= 1，2…n}，這里下標(biāo)k即指標(biāo)的編號； (4. 4)對集合TS進(jìn)行降序處理，按照tk的值從大到小重新排序； (4. 5)設(shè)e值為1 ; (4. 6)取集合TS的第e項(xiàng)和第e+1項(xiàng)，計(jì)算第e項(xiàng)與第e+1項(xiàng)之差，并將差值加入集合CS； (4. 7)對e進(jìn)行加1操作，并判斷第e+1項(xiàng)是否為集合TS的最后一項(xiàng)；若否，回到步驟 4. 6 ;若是，繼續(xù)下一步驟4. 8 ; (4. 8)從集合CS找出的最大差值c; (4. 9)在集合TS中找出產(chǎn)生最大差值c的減數(shù)項(xiàng)tf，并刪除％及其以后的所有元素； (5) 提交月度重要指標(biāo) (5. 1)經(jīng)過篩選以后集合TS中剩余的tk，指標(biāo)k是月度重要指標(biāo)； (5. 2)從集合XS中找出月度重要指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)xk，提交這些指標(biāo)數(shù)據(jù)至數(shù)據(jù)庫。2. 如權(quán)利要求1所述的一種基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選方法， 其特征在于：所述步驟（4.8)中，從集合CS找出的最大差值c時，若出現(xiàn)兩個或兩個以上最 大差值c，則取第一個為最大差值c。
【專利摘要】一種基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選方法，從數(shù)據(jù)庫中取所有月級別指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)，然后采用Pearson線性相關(guān)度計(jì)算計(jì)算所有指標(biāo)兩兩之間的相關(guān)系數(shù)。然后將相關(guān)系數(shù)絕對值對于[0.9，1]之間的兩兩指標(biāo)提取出來，并統(tǒng)計(jì)所有提出來的指標(biāo)中每個指標(biāo)的出現(xiàn)次數(shù)。最后根據(jù)每個指標(biāo)的統(tǒng)計(jì)次數(shù)從大到小排序，計(jì)算所有相鄰兩個指標(biāo)統(tǒng)計(jì)次數(shù)之差，找出最大次數(shù)之差。截取這個指標(biāo)之前的所有統(tǒng)計(jì)指標(biāo)，這些指標(biāo)便是所需的月度重要指標(biāo)，并提交數(shù)據(jù)庫。本發(fā)明提供一種有效篩選出月度重要指標(biāo)的基于線性相似度排序的電力運(yùn)行月度重要指標(biāo)篩選方法。
【IPC分類】G06Q50/06, G06F17/30
【公開號】CN104992374
【申請?zhí)枴緾N201510319313
【發(fā)明人】蔣一波, 盛尚浩, 樓弘, 鄭建煒
【申請人】浙江工業(yè)大學(xué)
【公開日】2015年10月21日
【申請日】2015年6月11日