[发明专利]一种电力负荷断面态势感知的可视化方法

权利要求书

1.一种电力负荷断面态势感知的可视化方法，其特征在于，所述方法包括：

步骤1：获取目标监测地区电力系统配网负荷断面数据并对其进行预处理；

步骤2：将预处理结果进行聚类，并构建负荷点多属性参量集；

步骤3：绘制目标监测地区的地理信息；

步骤4：以目标监测地区的地理信息为背景图层，绘制负荷点多属性参量集的动态气泡图，实现电力负荷断面态势感知的可视化。

2.根据权利要求1所述的一种电力负荷断面态势感知的可视化方法，其特征在于：

步骤1所述配网负荷断面数据包括负荷数据和地理数据，所述负荷数据即负荷值，所述地理数据包括相对经度和相对纬度。

3.根据权利要求1所述的一种电力负荷断面态势感知的可视化方法，其特征在于：

步骤1所述预处理具体为：

利用标准差法清洗目标监测地区电力系统配网负荷断面数据中的异常负荷值，并利用主成分分析赋权法对异常负荷值清洗后配网负荷断面数据中的负荷数据和地理数据赋权。

4.根据权利要求3所述的一种电力负荷断面态势感知的可视化方法，其特征在于：

所述利用标准差法清洗目标监测地区电力系统配网负荷断面数据中的异常负荷值，具体为：

根据拉依达法则的标准差法，计算负荷值x₁,x₂,…,x_n的平均值μ和残差值V_i＝x_i-μ(i＝1,2,3,…,n)；

根据贝塞尔公式计算负荷值的标准偏差σ，负荷值x_i的残差值V_i；

基于标准差法的定义，当残差值V_i的绝对值大于3σ时，则对负荷值x_i采取相应的处理措施。

5.根据权利要求3所述的一种电力负荷断面态势感知的可视化方法，其特征在于：

所述利用主成分分析赋权法对异常负荷值清洗后配网负荷断面数据中的负荷数据和地理数据赋权，数学描述具体为：

对样本空间的i个样本而言，均由j个维度的数据指标进行描述，则原始数据矩阵X可表示为：

主成分分析将使用客观指标F_n评价并区分原数据的主成分排序情况；F₁是原始数据矩阵X中j个向量X₁，X₂，…，X_j中组合方差最大的；由该方差作为排序的依据，即将原始指标排序为F₁，F₂，…，F_n；主成分反映了样本的表现，使用主成分计算各数据指标的综合评价值，采用加权算术平均的方法，并以各主成分的方差贡献率为权重，数学形式如式(2)所示；式中，λ₁，λ₂，…，λ_n代表矩阵X的协方差矩阵的特征根；

6.根据权利要求3所述的一种电力负荷断面态势感知的可视化方法，其特征在于：

步骤2中，采用改进的MiniBatch-Kmeans算法进行聚类，以获取每个负荷点所属的负荷类别，输出的聚类结果即为负荷类别，本方案中负荷类别是大型负荷、中型负荷、小型负荷三种；

具体包括以下步骤：

步骤a：对于赋有权值的负荷数据和地理数据，抽取MiniBatch样本作为初始质心；

步骤b：计算步骤a中下一个样本到质心的距离，并将该样本点分配至与质心距离最近的簇内；

步骤c：判断完成分配的样本所属簇的质心是否改变，若改变，则完成聚类并输出聚类结果，否则重新计算质心，更新簇内质心并返回步骤b。

7.根据权利要求1所述的一种电力负荷断面态势感知的可视化方法，其特征在于：

步骤2所述负荷点多属性参量集包括负荷值、负荷类别、相对经度、相对纬度、负荷点编号、断面时间和负荷密度七个方面的信息；

其中，断面时间为负荷断面的年、月；负荷点编号为负荷断面的原始记录；负荷密度为可视化图像中气泡点的密度。