[发明专利]一种基于典型特征提取的负荷结构解析方法

说明书

一种基于典型特征提取的负荷结构解析方法，包括以下步骤：S1、历史负荷数据处理及修复；S2、负荷分类；S3、典型曲线分析。该负荷结构解析方法利用国家行业分类标准，对城市负荷进行贴标签细致分类，然后根据分类情况进行行业负荷特性分析，寻找负荷变化规律，最终利用聚类技术提取负荷特征曲线，深度挖掘负荷内在特性，最终获取行业负荷特性与城市负荷特性之间的准确关系。

技术领域

本发明涉及电网调度技术领域，涉及一种电力负荷结构解析方法，尤其是一种基于典型特征提取的负荷结构解析方法。

背景技术

天津正在开展电力市场相关研究，市场化改革后，市场成员和交易行为复杂多样，尤其是现货市场开放后，现货市场价格与负荷预测准确度息息相关。因此，随着电力市场改革的不断深入和电网精益化管理要求的不断加强，对负荷预测的准确性、实时性、可靠性和智能化将提出更高的要求。

另一方面，随着社会和经济的发展，国家经济增长进入新常态，产业发展出现结构性改变，用电结构和负荷特性发生了巨大变化，这些变化增加了负荷需求变化的不确定性。此外，随着行业变迁、新能源接入、新型负荷等接入的影响，负荷特性逐渐发生演变，全网历史负荷变化规律的可参照性逐渐降低，这些都在很大程度上影响了对于未来负荷发展趋势的准确预测。

针对种种问题，本发明针对地区负荷结构分析提出了负荷分类，特征提取的负荷结构解析方法，来分析地区负荷结构构成、挖掘负荷特性。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种基于典型特征提取的负荷结构解析方法，该负荷结构解析方法利用国家行业分类标准，对城市负荷进行贴标签细致分类，然后根据分类情况进行行业负荷特性分析，寻找负荷变化规律，最终利用聚类技术提取负荷特征曲线，深度挖掘负荷内在特性，最终获取行业负荷特性与城市负荷特性之间关系。

一种基于典型特征提取的负荷结构解析方法，包括以下步骤：

S1、历史负荷数据处理及修复：

在数据异常点判断时采用模糊聚类算法，其算法目标函数为：

其中：

式中；X为使用的样本，V为聚类中心矩阵，T为可能性划分矩阵，U为模糊矩阵，c为聚类中心，m为加权模糊指数，且m1，n为样本数量，u_ij为U中的第j个样本点隶属于第i类的模糊值，且t_ij为T中的第j个样本点隶属于第i类的可能性值，q1；

在检测到异常数据判断出类型后进行补全修正，假设96点负荷中第i天的第j个数据缺失或者异常时，而前后两天的第i个数据正常时，空数据补全公式为：

P_ij＝(P_(i-1)j+P_(i+1)j)/2            (2)

当连续两天以上同时刻负荷值异常时，使用拉格朗日插值法进行修正补全，公式为：

其中l_i(P)为插值基函数；

S2、负荷分类：

根据负荷标签完整程度对负荷实行不同的分类策略；

S3、典型曲线分析：

将处理过的数据进行标准化使其成为无量纲数据，以避免因数量级差异导致的量级较大的属性占据主导地位、避免数量级差异将导致迭代收敛速度慢、降低依赖于样本距离的算法对于数据的数量级敏感性的影响；利用Z-score对选取的负荷样本数据进行标准化，标准化公式如下：