[发明专利]一种基于大数据的配网负荷特征提取方法

说明书

本发明公开了一种基于大数据的配网负荷特征提取方法，采用基于大数据的处理思路，优化了配电网负荷特征提取方法，其方法步骤包括，采集每日配电网负荷原始数据；对所采集的每日配电网负荷原始数据进行预处理；对预处理后的配电网负荷原始数据进行分组，形成数据片段；使用min‑max标准化法对片段数据归一化处理；通过卷积的方式，对归一化后的片段数据进行处理；采用K‑mean算法对片段数据进行聚类，最终获得配电网负荷特征曲线。本发明提高了配电网负荷特征提取的可信性，提高配电网负荷特征提取处理效率，能为负荷预测提供更精确的参考指标。

技术领域

本发明涉及配电网负荷优化技术领域，更具体的涉及一种基于大数据的配网负荷特征提取方法。

背景技术

负荷预测是电网规划的重要组成部分，用来对区域或单个配变设备在未来一段时间内的运行情况进行预测，根据历史数据模拟未来的负载情况，为电网规划、电力电量平衡等提供数据支持，负荷特征用来描述单个或一类负荷设备的具体运行情况，对不同时间下负荷变化情况提供依据。

目前负荷特征采用典型特征曲线方式，由预测人根据不同产业类型的负荷给出，通常按“工业”“农业”“居民”“商业”“教育”等分类方式对配变负荷进行分类，用统一的某些特征曲线模拟全天的数据，用于短期负荷预测。该方式有几方面问题：1.分类较少，通常只能根据公开文献等获得典型曲线数据；2.经典曲线给出的样例比较粗糙，无法满足预测需要；3.有些负荷分类模糊或具有地方特色，无法套用经典模式。

发明内容

本发明的目的在于提供一种基于大数据的配网负荷特征提取方法，以解决上述背景技术中提出的问题。

本发明是通过以下技术方案实现的：

一种基于大数据的配网负荷特征提取方法，包括：

S1.采集每日配电网负荷原始数据；

S2.对所采集的每日配电网负荷原始数据进行预处理；

S3.对预处理后的配电网负荷原始数据进行分组，形成数据片段；

S4.使用min-max标准化法对片段数据归一化处理；

S5.通过卷积的方式，对归一化后的片段数据进行处理；

S6.采用K-mean算法对片段数据进行聚类。

进一步的，所述每日配电网负荷原始数据包括每小时配电网负荷原始数据。

进一步的，步骤S2中，所述所采集的配电网负荷原始数据进行预处理方法，包括：

标记畸点数据；

删除标记的畸点数据，并将该点视为空缺数据；

采用插值法补齐空缺数据；

进一步的，标记畸点数据方法，包括：

选择一个配电网负荷原始数据的前后共8个点的数据T(a_i)；

计算8个点数据的的算术平均值T(A)，并选择最大值max T(a_i)与最小值minT(a_i)；

根据下列公式判断所选取的一个配电网负荷原始数据是否为畸点数据：

max T(a_i)+(max T(a_i)-T(A))×4 (1)

min T(a_i)-(min T(a_i)-T(A))×4 (2)