[发明专利]可再生能源并网消纳信息多维度校核方法及设备

权利要求书

1.一种可再生能源并网消纳信息多维度校核方法，其特征在于，包括以下步骤：

S1：采用支持向量机算法构建电量与各种气象因子关系模型来预测供电情况，包括：

建立电量气象因子历史数据集，并包括描述数据的用作训练库参数的多个气象特征；

对所述历史数据集进行参数优化得到优化数据库；

利用所述优化数据库进行SVM训练，得到电量与各种气象因子的SVM模型；

下载待预测的气象因子数据集，所述气象因子数据集包括所述多个气象特征；

利用所述SVM模型，采用SVM方法预测供电大小情况；

将所述预测供电大小情况与预备供电量进行对比，实现对并网消纳信息中供电量的校核；

S2：基于K最近邻分类算法构建异常用电辨识分析模型以识别异常用电情况，包括：

建立异常用电训练样本，所述异常用电训练样本包括用以描述异常用电的特征值，以及对是否属于异常用电的分类；

下载异常用电的预测样本，求所述预测样本与所述异常用电训练样本之间的相似性；

对所述异常用电训练样本依据与所述预测样本的相似性按从大到小进行排序；

确定排序后前K个样本所在类别出现的频率，并输出出现频率最高的用电类别作为预测用电类别；

将所述预测用电类别与预备用电类别进行对比，实现对并网消纳信息中用电类别的校核。

2.根据权利要求1所述的可再生能源并网消纳信息多维度校核方法，其特征在于，所述S1中的所述历史数据集选自历史案例。

3.根据权利要求1所述的可再生能源并网消纳信息多维度校核方法，其特征在于，所述S1中的所述气象特征包括风力级别、光照强度、天气状况和\或温度。

4.根据权利要求1所述的可再生能源并网消纳信息多维度校核方法，其特征在于，所述S1中的以电量数值作为分类标准，进行所述SVM训练。

5.根据权利要求1所述的可再生能源并网消纳信息多维度校核方法，其特征在于，所述S1中的所述采用SVM方法预测包括对所述待预测的气象因子数据集按照电量大小进行分类。

6.根据权利要求1所述的可再生能源并网消纳信息多维度校核方法，其特征在于，所述S2中，按照欧式距离确定所述预测样本与所述异常用电训练样本之间的相似性。

7.根据权利要求1所述的可再生能源并网消纳信息多维度校核方法，其特征在于，所述S2中的所述用电类别包括正常用电和异常用电。

8.一种可再生能源并网消纳信息多维度校核设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行时实现如权利要求1-7任一所述的方法。