[發(fā)明專利]一種電網(wǎng)特殊負荷與日負荷之間的相關系數(shù)提取方法

有效

• 申請?zhí)枺?/td>: 201410357233.7
• 申請日: 2014-07-24
• 公開（公告）號: CN104143117B
• 公開（公告）日: 2018-10-19
• 發(fā)明（設計）人: 金小明;吳鴻亮;姚建剛;楊柳;于浩祺;門錕;李勇;朱向前
• 申請（專利權(quán)）人: 南方電網(wǎng)科學研究院有限責任公司;湖南湖大華龍電氣與信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種電網(wǎng)特殊負荷與日負荷之間的相關系數(shù)提取方法，其特征在于，包括如下步驟：

步驟S1.采集電網(wǎng)歷史日負荷數(shù)據(jù)、與日負荷相對應的特殊負荷以及特殊負荷對日負荷的影響因素；

步驟S2.將特殊負荷對日負荷的影響因素進行細化得到影響因子序列I；

步驟S3.采用灰色關聯(lián)分析法得到各影響因子與日負荷的相應的相關系數(shù)，進而得到各影響因子的相關系數(shù)的序列M；

步驟S4.建立包含所有影響因子的日負荷影響因子模糊分類器，并對影響因子進行模糊賦值分類，得到模糊分類器向量；

步驟S5.分析得到特殊負荷與模糊分類器向量中影響因子之間比例加權(quán)關系序列R；

步驟S6.結(jié)合序列M和序列R采用加權(quán)方式分析得到特殊負荷與日負荷之間的相關系數(shù)序列N；

步驟S7.設置測試周期，對序列N進行分析計算，獲得總的特殊負荷預測序列S，利用序列N進行預測獲得基本負荷預測序列，將基本負荷預測序列與S相加后得到日負荷預測序列DL，將日負荷預測序列DL與歷史日負荷數(shù)據(jù)進行曲線擬合對比；

步驟S8.觀測序列DL是否符合擬合曲線的規(guī)律，若誤差大于預設閾值，則重復步驟S4至步驟S7進行修正，否則執(zhí)行步驟S9；

步驟S9.根據(jù)序列N，獲得特殊負荷與日負荷的相關性程度的劃分數(shù)據(jù)，完成特殊負荷對日負荷的相關性分析。

2.根據(jù)權(quán)利要求1所述的電網(wǎng)特殊負荷與日負荷之間的相關系數(shù)提取方法，其特征在于，所述特殊負荷包括空調(diào)負荷、節(jié)假日負荷、事故災害負荷、工業(yè)非正常負荷；所述影響因素包括天氣因素、人體舒適度、工業(yè)開停工狀況、突發(fā)事件狀況、沖擊負荷比例。

3.根據(jù)權(quán)利要求2所述的電網(wǎng)特殊負荷與日負荷之間的相關系數(shù)提取方法，其特征在于，步驟S2的具體步驟為：

將影響因素進行細化，得到9類細化后的影響因素：日最高溫度、日最低溫度、日平均溫度、日降雨量、濕度、人體舒適度、節(jié)假日工業(yè)開停工狀況、突發(fā)事件狀況、工業(yè)沖擊負荷比例，得到影響因子序列為I₁、I₂、I₃、I₄、I₅、I₆、I₇、I₈、I₉；

步驟S4中對影響因子進行模糊賦值分類的具體步驟為：

對步驟S2中的9類影響因素進行模糊賦值分類，其中I₁、I₂、I₃、I₅、I₆、I₇、I₈、I₉按模糊化分別分類為低、中、高，分別取值為i₁、i₂、i₃；I₄按模糊化分類為無雨、小雨、中雨、大雨，分別取值為0、t₁、t₂、t₃，則將每日的負荷影響因子序列分類如下：