[发明专利]基于电力大脑中枢的电网负荷调整方法及装置

说明书

本发明提出了一种基于电力大脑中枢的电网负荷调整方法及装置，包括：构建指标体系；通过预先构建的电力大脑中枢基于指标体系获取各个地区的实时指标矩阵；根据实时指标矩阵获取正理想解和负理想解，分别计算第i个地区的实时指标数据与正理想解的KL距离以及与负理想解的KL距离，建立第i个地区的虚拟负理想解的KL距离；结合虚拟负理想解的KL距离计算各个地区与负理想解的相对接近度；分析相对接近度的准确概率，对相对接近度进行调整，得到反馈相对接近度；根据反馈相对接近度调整地区的电网负荷。基于优化矩阵以及改进距离算法优化传统topsis法，避免存在某组解同时与正理想解、负理想解距离相近而影响最优解的选择问题，提高了负荷调控准确性。

技术领域

本发明属于电网负荷调整领域，尤其涉及一种基于电力大脑中枢的电网负荷调整方法及装置。

背景技术

随着物联网技术不断发展，采集多维度的指标数据进行处理分析成为监控电网运作情况的重要手段，其中调整电网负荷作为监控电网运行情况的主要内容，对地区内电网的宏观调控起到重要作用。为了降低电力供需波动带来的损失，通常需要根据实际供电需求对负荷进行调整。由于电网运行过程涉及的指标通常来自多个不同地区的部门或单位，每个部门或单位上报指标数据的时间、格式存在不统一的情况，通常采用topsis等算法对来自不同部门或单位的指标数据进行分析。

传统的topsis算法通过计算与正理想解的欧式距离寻找最优解，但由于欧式距离的局限性，传统算法忽略了存在某一组解同时与正理想解、负理想解距离相近的情况，导致相对接近度的计算不够准确，进而影响了电网负荷调整策略的准确性。

发明内容

为了解决现有技术中存在的缺点和不足，本发明提出了一种基于电力大脑中枢的电网负荷调整方法，包括：

构建包含电网负荷指标和经济指标的指标体系；

通过预先构建的电力大脑中枢基于指标体系获取各个地区的实时指标数据，构成实时指标矩阵；

根据实时指标矩阵获取正理想解和负理想解，分别计算第i个地区的实时指标数据与正理想解的KL距离以及与负理想解的KL距离，通过计算建立第i个地区的虚拟负理想解的KL距离；

结合虚拟负理想解的KL距离计算各个地区与负理想解的相对接近度；

分析相对接近度的准确概率，当准确概率低于预设概率阈值时通过优化矩阵对相对接近度进行调整，得到反馈相对接近度；

根据反馈相对接近度调整地区的电网负荷。

可选的，所述通过预先构建的电力大脑中枢基于指标体系获取各个地区的实时指标数据，构成实时指标矩阵，包括：

通过电力大脑中枢分别获取各个地区电网负荷指标以及经济指标的实时指标数据；

根据获取到的实时指标数据，构建原始数据矩阵，为第i个地区的第j个实时指标数据，的取值范围为实数，i、j的取值范围为正整数；

基于公式一对原始数据矩阵X进行标准化处理，得到标准化处理后的实时指标矩阵；

 公式一；

其中，为标准化处理后的第i个地区的第j个指标值，m为地区总数，的取值范围为实数，m的取值范围为正整数。

可选的，所述根据实时指标矩阵获取正理想解和负理想解，分别计算第i个地区的实时指标数据与正理想解的KL距离以及与负理想解的KL距离，通过计算建立第i个地区的虚拟负理想解的KL距离，包括：

根据实时指标矩阵中的指标值，获取正理想解以及负理想解，其中正理想解由实时指标矩阵V中每一列的最大值组成，负理想解由实时指标矩阵V中每一列的最小值组成；

基于公式二计算各个地区的实时指标数据与正理想解的KL距离；