[發明專利]一種關聯分析系統

在審

• 申請號: 201811551981.3
• 申請日: 2018-12-18
• 公開（公告）號: CN111339155A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 田世明;曹碩;卜凡鵬;李德智;田英杰;蘇運;石坤;龔桃榮;韓凝輝;董明宇;潘明明;陳宋宋;王李果
• 申請（專利權）人: 中國電力科學研究院有限公司;國網上海市電力公司;國家電網有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/35;G06Q10/06;G06Q50/06
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明公開了一種關聯分析系統，其包括數據獲取和分類模塊、數值型事務處理模塊、非數值型事務處理模塊、概化數據處理模塊和評估輸出模塊，數據獲取和分類模塊判斷事務中是否含有非數值型數據，將數據分為數值型數據集與非數值型數據集，并分別將對應的數據發送給數值型事務處理模塊和非數值型事務處理模塊，非數值型事務處理模塊將數據利用K?means方法對非數值型事務集進行聚類分析，并將聚類分析結果發送給概化數據處理模塊，數值型事務處理模塊和概化數據處理模塊對數據進行處理后將處理結果發送給評估輸出模塊進行結果輸出。本發明具有很好的魯棒性，可以有效解決電力負荷關聯分析對數據類型及低頻數據考慮不足的問題。

技術領域

本本發明涉及電力工程技術領域，具體涉及一種關聯分析系統。

背景技術

當前我國用電需求不斷增大，電力供需矛盾加劇，用電結構正在轉型。隨著電力市場的發展和電力技術水平的提升，負荷相關分析作為負荷評估預測的重要依據，是電力市場分析的基礎工作之一，對于電力企業的經營和規劃發展越來越重要。目前負荷分析主要依賴于業務人員的經驗，主要手段是對負荷曲線的定性分析，且分析集中于負荷指標內部，缺乏對外部影響因素的實時獲取及挖掘。同時用電信息采集系統、政府門戶網站等電力系統內部外部信息化系統已被廣泛應用，積累了大量的負荷分析基礎數據，但尚未得到充分挖掘，進而影響了電力負荷曲線分析的精度。

目前電力負荷分析多采用灰色關聯分析方法或基本關聯規則挖掘方法及其采用上述方法構成的系統。但在電力負荷關聯分析中既存在數值型數據又存在非數值型的文本類數據。現有的電力負荷關聯分析技術大多都不區分數據是否為數值型，只采用一種方法對電力負荷及其影響因素進行關聯分析。此外，電力負荷關聯分析中存在一些頻率較低但重要性較強的數據，而利用傳統關聯規則挖掘算法的“支持度-置信度”框架，很難對這些低頻的重要數據進行關聯規則挖掘。

發明內容

針對上述問題，本發明提出了一種改進的關聯分析系統，用于更好地指導電力負荷預測、配網負荷預警及智能電網的安全經濟運行工作。

該改進關聯分析系統，具體包括

數據獲取和分類模塊：獲取影響因素數據與負荷數據，計算影響因素數據與負荷數據的日平均值并按時間標簽對影響因素數據與負荷數據進行匹配，組成事務，按影響因素是否為數值型數據，將數據分為數值型事務集與非數值型事務集；

數值型事務處理模塊：利用基于熵權法的灰色關聯分析方法，計算數值型事務集中影響因素對負荷數據的灰色關聯度，同時設置關聯度閾值，獲取關聯度大于閾值的數值型影響因素；

非數值型事務處理模塊：利用K-means方法對非數值型事務集進行聚類分析，并將聚類分析結果發送給概化數據處理模塊進行概化處理；

概化數據處理模塊：基于FP-Growth算法對概化后的數據進行關聯規則挖掘，篩選后項為負荷類型的關聯規則，并對挖掘出的關聯規則進行解讀，得出各影響因素與負荷數據的關聯關系，獲取與負荷關系密切的非數值型影響因素。

評估輸出模塊：基于數值型事務處理模塊的輸出結果與非數值型事務處理模塊的輸出結果，輸出與負荷數據關系密切的影響因素。

所述數據獲取和分類模塊中所述影響因素數據包括：平均溫度、最高溫度、最低溫度、降水量、濕度、氣壓、風速、負荷數據、風向、節假日信息、節氣信息。

所述數值型事務集包括平均溫度、最高溫度、最低溫度、降水量、濕度、氣壓、風速、負荷數據，非數值型事務集包括風向、節假日信息、節氣信息。

所述非數值型事務處理模塊采用不同符號表示各聚類類別，達到概化目的，以適應關聯規則挖掘算法。