[發明專利]一種基于模型優化的異常負荷數據檢測與修正方法和系統

有效

• 申請號: 202011278587.4
• 申請日: 2020-11-16
• 公開（公告）號: CN112733417B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 鄧松;蔡清媛;岳東;李前亮;袁玲玲
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06K9/62;G06F16/215;G06Q50/06
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

本發明是一種基于模型優化的異常負荷數據檢測與修正方法和系統，該系統包括負荷數據預處理器、異常負荷數據檢測器、異常負荷數據修正器，負荷數據處理器與異常負荷數據檢測器連接，異常負荷數據檢測器與異常負荷數據修正器連接，本發明方法采用基因表達式編程對SVDD算法進行參數優化，利用最優參數建立的SVDD模型進行異常負荷數據檢測，隨后利用深度長短時記憶網絡進行負荷預測，并將預測負荷值作為異常數據的替代值。該方法用于電網異常負荷處理，通過本發明中的方法，可以較為準確的檢測出用電負荷中的異常負荷數據，這將有利于精確負荷預測、計劃用電管理、制定合理的電源建設規劃，有利于提高電力系統的經濟效益和社會效益。

技術領域

本發明屬于電力系統數據挖掘技術領域，具體的說是涉及一種基于改進SVDD和深度長短時記憶網絡的異常負荷數據檢測與修正方法，主要用于電力領域的異常負荷數據檢測與修正。

背景技術

為了滿足不斷增長的能量需求，建立安全、可靠、環保、高效以及友好型的電力網絡已經成為日前的研究熱點。智能電網的概念為建設新的電網提供了一個很好的解決方案，同時智能電網的發展推動了電網自動化信息平臺的建立，電力系統設備傳輸和采集的各種類型的數據量也呈指數增長，負荷數據的規模、類型及結構都發生了較大的變化。在電網實際運行過程中，由于系統故障、測量裝置異常、數據傳輸出現錯誤、天氣突變、線路檢修以及突發事件等隨機因素均會使采集獲得的負荷數據不可避免的摻雜一些不易發覺的異常數據。電力負荷數據的質量對負荷預測精度和電網運行穩定性有著決定性的影響，這些異常數據的存在對負荷預測模型的建立和預測精度造成了嚴重的影響，致使預測的負荷變化規律對電能生產與調度分配失去了指導意義，甚至會影響電網安全穩定的運行。

采用有效和準確的方法對電力負荷數據中的異常數據進行檢測并給予修正，確保電力負荷數據的準確性與完整性，不僅是確保電力負荷預測準確率的重要保障，能夠對未來一段時間的電能發展趨勢以及電力使用情況進行準確估計，預測未來的電力負荷波動情況，將會為電力系統管理部門科學有效的管理電力使用情況，減少資源浪費、降低發電成本，優化電網中電力資源的合理分配以及建立經濟合理的發電計劃提供極大幫助。

傳統的異常負荷檢測方法主要有專家經驗法、狀態估計法、曲線相似性檢測。隨著數據挖掘技術的發展，神經網絡、密度分析、聚類分析等一系列智能算法被應用于電力異常負荷檢測中，但是這些方法尚有初始參數選取不易、異常檢測的準確率不高等不足。

在此背景下，將歷史電力負荷數據作為訓練樣本數據，采用基因表達式編程(GEP)對SVDD算法進行參數優化，利用建立的SVDD模型進行異常負荷數據檢測，隨后利用深度長短時記憶網絡(LSTM)進行負荷預測，并將預測負荷值作為異常數據的替代值。所提出的方法深入研究了電力系統異常負荷數據的檢測與修正方法，大幅度提高了異常負荷檢測的效率和準確率，如此既為電力用戶提供了穩定、合適、可靠的電力能源，又強化了電力企業的經濟發展效益。

基于模型優化的異常負荷數據檢測與修正方法和系統主要需考慮兩個方面的問題：(1)如何利用改進的SVDD算法檢測出異常負荷數據。(2)如何利用深度長短時記憶網絡進行負荷預測，并用該預測值替代異常負荷數據。

發明內容

本發明的目的就是提供一種基于模型優化的異常負荷數據檢測與修正方法來針對性解決電網異常負荷數據問題，本方法是一種策略性方法，通過使用本方法可以迅速準確的檢測出異常負荷數據并采用合適值替代異常值，保證了電力系統運行和管理的高效和穩定。

為了達到上述目的，本發明是通過以下技術方案實現的：

本發明是一種基于模型優化的異常負荷數據檢測與修正方法與系統，該檢測與修正方法包括如下步驟：

步驟一：導入用電用戶的所有負荷數據，并對數據進行預處理，其中：對于缺失較少的數據可以采用均值填充的方法，對于缺失量較大的數據則直接刪除，進入步驟二；