[发明专利]一种计及时空相关性的多区域电力负荷时序场景建模方法

权利要求书

1.一种计及时空相关性的多区域电力负荷时序场景建模方法，其特征在于，包括以下步骤：

S1.按照预设时间分辨率，采集m个区域电力负荷时序数据P_mn(t)；其中，t₁≤t≤t_n，n为数据样本点个数；

S2.将步骤S1获得的时序数据P_mn(t)按天进行分段，获得多个序列片段；并采用逆向正态云发生器计算获得各序列片段的云参数，将时序数据P_mn(t)转化为s个正态云系；

S3.计算步骤S2获得的正态云系内云模型间的重叠面积，获得s个正态云系间整体相似度；依据云系间的相似度不同将获得的s个正态云系间整体相似度聚类为k类，对应k类时序数据；

S4.基于步骤S3的聚类结果，根据k类时序数据，计算获得类别转移概率矩阵A；

S5.基于步骤S3的聚类结果，计算k类时序数据的每日负荷特性指标，构成k个数据集；

S6.基于步骤S5获得的k个数据集，构建k个vine-copulas联合概率分布模型；

S7.基于步骤S4获得的类别转移概率矩阵A、步骤S6获得的vine-copulas联合概率分布模型，通过蒙特卡洛随机抽样生成具有相关性的m个区域的每日负荷特性指标；

S8.基于步骤S3的聚类结果，求取k类时序数据对应m个区域的日基准负荷曲线，共k×m条；

S9.基于步骤S7获得的每日负荷特性指标、步骤S8获得的日基准负荷曲线，建立日负荷序列优化模型，求解获得m个区域每天各时刻的负荷值，完成计及时空相关性的多区域电力负荷时序场景建模；

其中，步骤S2中，获得的序列片段，表示为时间序列段矩阵Z为：

式中，τ表示每日时序段的长度，由时间分辨率决定；s＝n/τ表示各区域时序总段数；

步骤S2中采用逆向正态云发生器对分段时序数据进行表征，表示为：

式中，Ex为云模型的期望，En为云模型的熵，He为云模型的超熵，p(t_j)为日负荷时间序列；

步骤S3具体包括：

云模型间的重叠面积计算表达式为：

式中，y₂(x)和y₁(x)分别为云模型C₁(Ex₁,En₁,He₁)和C₂(Ex₂,En₂,He₂)对应的数学期望曲线，x₀为期望曲线交点；

云模型C₁和C₂间的相似度计算表达式为：

云系间整体相似度的计算公式为：

依据云系间整体相似度的不同将时间序列段矩阵Z分为k类，表达式为：

F₁＝{Z_o,Z_p,...,Z_q},F₂＝{Z_r,Z_s,...,Z_t},...,F_k＝{Z_u,Z_v,...,Z_w}。

2.根据权利要求1所述的一种计及时空相关性的多区域电力负荷时序场景建模方法，其特征在于，步骤S1具体包括：

采集m个区域电力负荷时序数据P_mn(t)＝[P₁(t),P₂(t),...,P_m(t)]^T；其中，第i个区域的电力负荷时序数据为P_i(t)＝[p_i(t₁),p_i(t₂),...,p_i(t_n)]，对其进行归一化处理，将其映射到[0,1]区间。