[發明專利]一種電力負荷特征提取方法及系統

在審

• 申請號: 201910211976.6
• 申請日: 2019-03-20
• 公開（公告）號: CN110032944A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 秦漢時;趙慶杞;孫天雨;王煒;李悅悅;王振宇;韓超;李占軍;劉明岳;趙有鵬;戚巍;溫錦;唐萌;郭松
• 申請（專利權）人: 國網電力科學研究院(武漢)能效測評有限公司;南瑞集團有限公司;國網遼寧省電力有限公司沈陽供電公司;國網遼寧省電力有限公司丹東供電公司;國網遼寧綜合能源服務有限公司;沈陽電力勘測設計院有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06Q50/06
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 張惠玲

本發明公開了一種電力負荷特征提取方法及系統，包括以下步驟：步驟1，獲取電力負荷曲線，并通過經驗模態分解對所述電力負荷曲線進行處理獲取新數據序列h₁(t)；步驟2，獲取負荷特征X和負荷時間序列各經驗模態分解分量Y的最大信息系數；步驟3，根據所述最大相關系數對所述負荷特征X與目標imf分量進行相關性分析，并根據相關性對所述負荷特征X進行排序獲取負荷特征子集T，步驟4，根據所述新數據序列獲取不同imf分量最終負荷特征子集將不同的最終負荷特征子集疊加，獲取負荷特征集T_BEST。本發明通過將原始電力負荷時間序列利用經驗模態分解進行分解，再利用負荷特征與負荷分量的最大相關系數對電力負荷特征進行篩選，相比于現有技術大大提高了電力負荷特征預測的精度，并有效降低了計算量。

技術領域

本發明涉及電力領域，具體涉及一種電力負荷特征提取方法及系統。

背景技術

電力負荷是電力系統的重要組成部分，它作為電能的消耗者對電力系統的分析、設計與控制有著重要影響。電力負荷特征提取是負荷預測的關鍵前提。由于電力負荷易受到多種因素的影響,同時隨著儲能、電動汽車、可再生分布式電源的大規模接入,都對電力負荷特征的提取帶來難度。為了應對復雜環境帶來的挑戰,國內外對涉及原始負荷時間序列的分解及負荷影響因素的關聯性分析進行了深入的研究。國內外學者為了能精確的提取負荷特征，實現負荷特征的準確分類，也提出了許多方法，但這些方法均存在不同程度的缺陷，如提取負荷特性樣本采集的時間和季節作為特征向量的方法，不能反映負荷動特性的本質特征，具有較大的主觀性；以感應電動機綜合模型各參數為特征向量和以標準電壓激勵下的模型響應作為特征向量，是現在常用的兩種特征提取方法，但這兩種方法都必須選擇模型結構并進行參數辨識才能得到負荷動態特性特征向量，模型結構誤差、參數辨識誤差將不可避免，而且計算量大。

發明內容

為解決上述背景技術中提出的問題，本發明提供一種電力負荷特征提取方法及系統，通過將原始電力負荷時間序列利用經驗模態分解進行分解，再利用負荷特征與負荷分量的最大相關系數對電力負荷特征進行篩選，有效提高了預測精度并降低了計算量。

本發明第一部分提供了一種電力負荷特征提取方法，包括以下步驟：

步驟1，獲取電力負荷曲線，并通過經驗模態分解對所述電力負荷曲線進行處理獲取新數據序列h₁(t)；

步驟2，獲取負荷特征X和負荷時間序列各經驗模態分解分量Y的最大信息系數；

步驟3，根據所述最大相關系數對所述負荷特征X與目標imf分量進行相關性分析，并根據相關性對所述負荷特征X進行排序獲取負荷特征子集T，

步驟4，根據所述新數據序列獲取不同imf分量最終負荷特征子集將不同的最終負荷特征子集疊加，獲取負荷特征集T_BEST。

作為一種可選方案，所述步驟1包括：步驟1.1：獲取原始負荷時間序列f(t)的上包絡線u₁(t)與下包絡線v₁(t)，并獲取所述上包絡線u₁(t)與下包絡線v₁(t)的平均值m₁(t)：

步驟1.2：獲取原日負荷數據減去平均包絡后的新數據序列h₁(t)：h₁(t)＝f(t)-m₁(t)。

作為一種可選方案，所述步驟1.2之后還包括：

步驟1.3：判斷h₁(t)是否滿足本征模函數，若不滿足，則將h₁(t)看作新的f(t)，重復步驟1.1和1.2的處理過程，其中，為迭代m次的差值序列，β₁(t)為第一個合格的imf分量；