一种空间负荷预测中确定元胞负荷最大值的核密度估计方法
专利汇可以提供一种空间负荷预测中确定元胞负荷最大值的核密度估计方法专利检索，专利查询，专利分析的服务。并且一种空间负荷预测中确定元胞负荷最大值的核 密度 估计方法，其特点是：在电 力 地理信息系统 环境中根据10kV 馈线 供电范围生成元胞并获取元胞负荷，在对各元胞负荷 波动 特性和差异性分析的 基础 上，将元胞负荷中的所有异常数据划分为四类，并建立含异常数据的元胞负荷的分类指标体系；计算含异常数据的元胞负荷的核密度估计曲线，查找含各类异常数据的元胞负荷核密度估计曲线的不同特征，进而提出通过截断核密度估计曲线尾部获取元胞负荷合理最大值的思路；针对含不同类异常数据的元胞负荷核密度估计曲线之间的差异，分别构建对各类含异常数据的元胞负荷核密度估计曲线进行截尾所需随动 门 限的计算模型，并将截尾处的负荷值作为相应元胞负荷的合理最大值。，下面是一种空间负荷预测中确定元胞负荷最大值的核密度估计方法专利的具体信息内容。
1.一种空间负荷预测中确定元胞负荷最大值的核密度估计方法，其特征在于，它包括以下步骤：
1)生成元胞并获取元胞负荷历史数据
为实现空间负荷预测，需先将待预测区域划分为多个规则或不规则的小区，每个小区称为一个元胞，元胞内的电力负荷称为元胞负荷；
首先建立包含待预测区域内的10kV馈线供电范围图层和用地信息图层的电力地理信息系统，然后根据10kV馈线的供电范围生成元胞；
2)含异常数据元胞负荷分类及建立元胞负荷分类指标体系
首先，根据元胞负荷中异常数据的表现、产生原因的不同，将元胞负荷中的所有异常数据分为四类：
由于数据采集或传输失败的原因，导致相邻时段数据连续不变且非零，主要特征为负荷数据保持恒定不变，此类异常数据称为第一类异常数据类；由于线路、设备检修故障以及测量表计损坏原因造成相邻时段数据一直连续为零，此类异常数据称为第二类异常数据类；当冲击负荷接入电网或数据传输错误时，相邻时段的负荷数据突然增大或减小，主要特征为负荷毛刺，此类异常数据称为第三类异常数据类；当出现供电线路转带或转甩其它线路的负荷时，负荷突然跃变到另一个水平，主要特征为负荷转移，此类异常数据称为第四类异常数据类；
通过对元胞负荷的时序曲线、峰谷差曲线、核密度估计曲线的统计分析，有助于对含异常数据元胞负荷的分类，为了更加准确地对含异常数据的元胞负荷进行分类，需要构造合理的分类指标，根据元胞负荷的时序曲线、峰谷差曲线及核密度估计曲线的特点构造了变异系数、日峰谷差、波峰个数和首端概率密度分类指标，形成含异常数据元胞负荷的分类指标体系；然后依次按照各指标顺序完成对元胞负荷的分类；
基于元胞负荷时序曲线的日峰谷差指标如公式(1)所示，其物理意义为单位时间内元胞负荷日最大负荷与日最小负荷之差；
a1＝Pmax-Pmin (1)
其中，a1为日峰谷差指标，Pmax为单位时间内元胞负荷日最大负荷，Pmin为单位时间内元胞负荷日最小负荷；
基于元胞负荷时序曲线的变异系数指标如公式(2)所示，其物理意义为描述一组数据变异程度的参数，变异系数＝(标准差/平均值)×100％；
a2＝CV (2)
其中，a2为变异系数指标，CV为元胞负荷数据标准差与元胞负荷数据平均值的比；
基于核密度估计曲线的波峰个数指标如公式(3)所示，其物理意义为核密度估计曲线的波峰数；
a3＝B (3)
其中，a3为波峰个数指标，B为核密度估计曲线的波峰数；
基于核密度估计曲线的首端概率密度指标如公式(4)所示，其物理意义为核密度估计曲线中最小负荷值对应的概率密度；
a4＝F0 (4)
其中，a4为首端概率密度指标，F0为核密度估计曲线中最小负荷值对应的概率密度；
3)计算含异常数据的元胞负荷的核密度估计曲线
统计单位时间内元胞负荷在不同值时对应的概率密度，按照以元胞负荷值由小到大的顺序进行排序作为横坐标，以元胞负荷值对应概率密度作为纵坐标，得到元胞负荷的核密度估计曲线；
每个元胞负荷的核密度估计曲线都可以用公式(5)表达；
其中，h为带宽；N为元胞负荷历史数据总个数；xi为元胞负荷历史数据中第i个负荷数据，i＝1，2，…，N；将N个元胞负荷历史数据中的最大值与最小值做差，然后除以元胞负荷历史数据总个数N得到组距，以元胞负荷最小值为初始值，按组距逐渐增加，直到元胞负荷最大值构成一个一维数组；yj为该一维数组中的第j个数据，j＝1，2，…，N； 为N个元胞负荷历史数据的概率密度函数；
每条核密度估计曲线的带宽h通过正态参考带宽选择来确定；正态参考带宽由公式(6)可以得到；
-1/5
hopt＝1.06σN (6)
其中，N为元胞负荷历史数据总个数，hopt为正态参考带宽，σ为样本标准差；
4)确定元胞负荷合理最大值
经过统计分析表明，元胞负荷数据的核密度估计曲线呈现出“双峰”的特征，将元胞负荷数据的核密度估计曲线的双峰部分称为“头部”，将曲线中出现概率低且负荷值大的部分称为“尾部”，正常元胞负荷和含第一类异常数据、第二类异常数据的元胞负荷尾部都很短，称为“短尾”而含第三类异常数据和含第四类异常数据的元胞负荷尾部很长，称为“长尾”，但头部仍符合双峰的特征；
可能影响到元胞负荷最大值的各类异常数据均存在于其核密度估计曲线的尾部，而且尾部越长则带来的影响就越严重，针对这一问题，考察核密度估计曲线与坐标轴围成的面积，通过保留其头部面积，截断并舍弃其尾部面积的方法来确定元胞负荷合理最大值；
因为各类核密度曲线具有不同特征，通过直接设置统一的门限来确定各元胞负荷合理最大值并不可行，所以应根据含各类异常数据元胞负荷的具体特征来确定核密度估计曲线截尾面积大小的门限，称该门限为随动门限；
针对含不同类型异常数据的元胞负荷的核密度估计曲线，构建各自的随动门限模型，在截断并舍弃核密度估计曲线尾部面积的大小与核密度估计曲线与坐标轴围成的总面积之比等于对应门限的条件下，将截尾处的负荷值作为相应元胞负荷的合理最大值；
考虑到元胞负荷转移时间长短的不同，给出两种不同场景下元胞负荷对应的两个合理最大值；对于永久性负荷转移，求取元胞负荷最大值时应该计及负荷转移；对于短期负荷转移，由于未来年实际值中不包含负荷转移，在求取元胞负荷最大值时需剔除负荷转移；简而言之，在不同场景下，选用不同计算方法求取元胞负荷合理最大值；
针对含第四类异常数据的元胞负荷，在原来的长尾部分又出现一个小波峰，形成“三峰”，根据统计分析发现，第三个波峰对应转移负荷的概率密度，且含第四类异常数据元胞负荷的核密度估计曲线的第三个小波峰与头部之间存在波谷，为了得到短期负荷转移场景下的元胞负荷合理最大值，先从第三个小波峰与头部之间的波谷处截掉第三个波峰，形成短尾，再使用设定的随动门限截掉剩余核密度估计曲线与坐标轴围成面积的短尾；如果是永久性负荷转移，截尾方式与含第一类异常数据、第二类异常数据、第三类异常数据元胞负荷的核密度估计曲线的截尾方式相同；
①建立各类元胞负荷数据核密度估计曲线的随动门限模型
a.含第一类异常数据元胞负荷的核密度估计曲线的随动门限模型
通过对含第一类异常数据元胞负荷时序曲线及其核密度估计曲线的特性分析发现，含第一类异常数据元胞负荷的核密度估计曲线的随动门限大小，与元胞负荷数据中第一类异常数据出现的次数有关，因此，为了能够获取合理最大值，将元胞负荷历史数据中第一类异常数据出现的次数与元胞负荷历史数据总个数之比作为含第一类异常数据元胞负荷的核密度估计曲线的随动门限模型，见公式(7)；
其中，N为元胞负荷历史数据总个数；n为元胞负荷历史数据中第一类异常数据出现的次数，n≥1；x1表示元胞负荷历史数据中第一类异常数据出现的次数n与元胞负荷历史数据总个数N之比；
b.含第二类异常数据元胞负荷的核密度估计曲线的随动门限模型
与第一类异常数据相比，第二类异常数据对元胞负荷最大值影响小，且只有零值一种情况，故将公式(7)中n取1时所对应的模型作为含第二类异常数据元胞负荷的核密度估计曲线的随动门限模型，见公式(8)；
其中，N为元胞负荷历史数据总个数；x2表示含第二类异常数据元胞负荷的核密度估计曲线的随动门限；
c.含第三类异常数据元胞负荷的核密度估计曲线的随动门限模型
针对含第三类异常数据的元胞，首先，计算其元胞负荷在单位时间内日最小值平均值及日峰谷差平均值，将两个平均值求和，然后确定异常数据所在日，并求出该日内负荷值大于最小值平均值及日峰谷差平均值之和的个数，见公式(9)；
其中，Pt,max为第t天中的最大负荷值，t＝1，2，…，l；Pt,min为第t天中的最小负荷值；l为元胞负荷数据的天数；z为元胞负荷单位时间内日最小值平均值与其日峰谷差平均值之和；
然后，将元胞负荷历史数据中异常数据个数与元胞负荷历史数据总个数之比作为含第三类异常数据元胞负荷的核密度估计曲线的随动门限模型，见公式(10)；
其中，N为元胞负荷历史数据总个数；k为异常数据所在日内时序负荷大于z的异常数据个数；x3表示元胞负荷历史数据中异常数据个数与元胞负荷历史数据总个数之比；
d.含第四类异常数据元胞负荷的核密度估计曲线的随动门限模型
针对含第四类异常数据的元胞负荷，由于含第四类异常数据元胞负荷的核密度估计曲线随动门限的大小取决于元胞负荷历史数据总个数，故含第四类异常数据元胞负荷的核密度估计曲线的随动门限模型同含第二类异常数据元胞负荷的核密度估计曲线的随动门限模型，见公式(11)；
其中，N为元胞负荷历史数据总个数；x4表示含第二类异常数据元胞负荷的核密度估计曲线的随动门限；
②利用随动门限在核密度估计曲线上确定元胞负荷合理最大值
利用公式(7)至公式(11)可以得到含异常数据元胞负荷的随动门限，将随动门限乘以含异常数据元胞负荷的核密度估计曲线总面积就可以得到截尾面积的大小，对应截尾处的负荷值就是元胞负荷合理最大值。
一种空间负荷预测中确定元胞负荷最大值的核密度估计方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种电网电压波动CVaR风险评估方法 | 2020-05-11 | 142 |
| 一种电力负荷的预测方法、装置、可读介质及电子设备 | 2020-05-12 | 603 |
| 一种基于BP神经网络电力负荷预测的虚拟坐席系统及其控制方法 | 2020-05-08 | 920 |
| 一种基于负荷聚类的负荷预测方法 | 2020-05-13 | 309 |
| 一种储能项目自充自用综合电价模拟预测方法 | 2020-05-11 | 868 |
| 一种基于最小二乘向量机的电力负荷预测方法 | 2020-05-11 | 447 |
| 基于时间序列相似性的数据清洗方法及装置 | 2020-05-11 | 147 |
| 一种基于预先构建的预测模型进行预测的方法及装置 | 2020-05-13 | 615 |
| 一种电力系统负荷预测和分析方法 | 2020-05-08 | 635 |
| 一种电力负荷管理低压分线箱 | 2020-05-12 | 954 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
该功能需要及以上VIP权限，您可以升级对应版本VIP后使用
- 基础专利检索
- 查看专利基本信息
- 基础的专利数据分析
- 个人工作空间
- 高级检索支持高级检索、批量检索、法律状态检索等
- 深度数据支持相似专利、引证、法律案件、附图等数据查看
- 效率工具双屏对比、专利PDF全文下载、批量导出