基于经验模态分解的电力负荷异常数据的快速检测方法技术

技术编号:12612878 阅读:104 留言:0更新日期:2015-12-30 11:38
本发明专利技术针对现有技术开展异常数据检测与挖掘所得的结果少而散,并且由于异常数据的多样性与复杂性导致并不存在着异常数据检测的通用算法,特别提出一种基于经验模态分解的电负荷异常数据的快速检测方法,从而提供一种准确性高、可操作性高的电力负荷的异常数据检测方法,实现大样本下的电力负荷异常数据的快速检测及挖掘。

【技术实现步骤摘要】

本专利技术属于电力负荷异常数据检测
,尤其涉及一种大样本的电力负荷中 异常数据的快速检测方法。
技术介绍
在正常情况下,电网的负荷呈现出一定的有规律的趋势。但是,在某些特殊的情况 下,负荷曲线会出现巨大的波动,而这种负荷数据上的巨大波动有可能是采集与传输上误 差所致,也可能标示着负荷的剧变。因此对负荷数据的剧变进行分析、挖掘与预测是一个非 常重要的内容,它可以给调度管理部门提前给一个估计,以便制定紧急事故下的运行管理 方式及拉闸限电序位表,以防止电网崩溃与瓦解。开展异常数据检测与挖掘是比较棘手的工作,所得的结果少而散,并且由于异常 数据的多样性与复杂性导致并不存在着异常数据检测的通用算法,需要针对不同类型的数 据提出有效的检测方法。
技术实现思路
本专利技术针对现有技术存在的问题做出改进,即本专利技术所要解决的技术问题是提供 一种准确性高、可操作性高的电力负荷的异常数据检测方法,实现大样本下的电力负荷异 常数据的快速检测及挖掘。 本专利技术的技术方案是:一种基于经验模态分解的电负荷异常数据的快速检测方 法,其特征在于,所述方法包括下列步骤: 步骤1 :对实测数据进行数据预处理,剔除实测数据中的缺损数据,建立训练样本 集。 步骤2:对所建立的样本数据集,构造正态分布模型,确定正态分布模型参数。 步骤3:计算给定置信度水平下步骤3中正态分布的置信区间,作为电力负荷异常 数据的判定阈值。步骤4:对待检测的电力负荷疏浚进行经验模态分解,得到不同的电力负荷数据 的本征子序列。 步骤5:利用步骤4所得到的不同的本征子序列重构后,进行电力负荷的异常数据 检测。 所述的一种基于经验模态分解的电负荷异常数据的快速检测方法,正态分布模型 的数学表达式为:其中f为正态分布的概率密度函数,y是位置参数,〇是尺度参数。所述的一种基于经验模态分解的电负荷异常数据的快速检测方法,所使用的确定 正态分布参数的方法为极大似然估计法。 所述的一种,步骤3所述 的计算给定置信水平下正态分布的置信区间的方法包括: 步骤3. 1:估计样本标准差〇,其数学表达式为: 其中S为总体标准差,n为样本个数。 步骤3. 2:当抽取的样本数量足够大时,根据中心极限定理,认为样本均值近似地 服从正态分布。其Z统计量的计算公式为: 其中y为样本均值,y为总体均值。 步骤3. 3 :在给定1-a的置信水平下,总体均值y的置信区间为: 其中Za/2的值通过查表得到。 所述的一种,对待检测信 号使用经验模态分解,从待检测信号中分解出n个带宽依次增加的本征模子序列Q(t),i=1,2,…,n和一个残差信号rn (t),并且可以通过分解的本征模子序列对待检测数据进行 重构.K0 = C,:(0 +rfi (t),t= 1,2,…,M 对待判断的电力负荷数据y(t),t= 1, 2, ???,]?,当t时刻的重构的电力负荷的值 K0落入步骤4所求置信区间内时,则该时刻的电力负荷数据为正常值;反之,当t时刻的 重构的电力负荷的值;T<t)超出步骤4所求置信区间时,则该时刻电力负荷数据为异常值,此 时将重构信号中包含的本征模子序列中频段最高的剔除,进行再次检测,直到重构信号落 入置信区间,而被剔除的本征模子序列即为异常值偏离正常值的部分,修正后仍可作为正 常数据使用。 本专利技术的效果在于:本专利技术所述的基于经验模态分解电负荷数据的异常数据检测 方法,能够提供一种准确性高、可操作性高的电力负荷的异常数据检测方法,实现电力负荷 异常数据的快速检测及挖掘。【附图说明】图1是基于经验模态分解的电力负荷异常数据检测流程图。 图2是对实施例使用经验模态分解后得到的不同尺度的本征子序列。图3是采用本方法的实施例进行的一个实际应用试验的电力负荷异常数据检测 的结果图。【具体实施方式】 下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是实例性 的,而不是为了限制本专利技术的范围及其应用。图1是本专利技术的流程图。图1中,本专利技术提供的方法包括以下步骤: 步骤1 :数据预处理,建立训练样本集和测试样本集。对于所选用的实施例数据,首先剔除采集资料中的缺损数据,将整个样本集按照 时间序列顺序排列,建立初始样本集。将初始样本集划分为训练样本集和测试样本集。其 中,训练样本集用于电力负荷的异常数据检测模型的建立和模型参数估计,测试样本集为 待检测的样本数据段。 本实施例中,数据采集间隔为半小时,则一天的数据量为48点。初始样本集为系 统中所有采集数据经过剔除缺损数据得到,测试样本集为48X7天=336点。 步骤2 :对样本序列x(t),t = 1,2, 建立正态分布模型。 步骤2. 1 :假设序列的总体均值为y,则原序列x(t), t = 1,2,…,N可分解为均值 y与误差e(t)之和: x(t) = u +e (t),t = 1,2,…,N 步骤2. 2 :使用极大似然法估计总体平均数y,就是使x(t)出现的概率最大,即使 得似然函数最大: 龙In丨,对u的偏导教,#今其等干0,得:当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于经验模态分解的电力负荷异常数据的快速检测方法,其特征在于,所述方法包括下列步骤:步骤1:对实测数据进行数据预处理,剔除实测数据中的缺损数据,建立训练样本集;步骤2:对所建立的样本数据集,构造正态分布模型,确定正态分布模型参数;步骤3:计算给定置信度水平下步骤3中正态分布的置信区间,作为电力负荷异常数据的判定阈值;步骤4:对待检测的电力负荷疏浚进行经验模态分解,得到不同的电力负荷数据的本征子序列;步骤5:利用步骤4所得到的不同的本征子序列重构后,进行电力负荷的异常数据检测。

【技术特征摘要】

【专利技术属性】
技术研发人员:徐向东王倩秦睿宋曦王晶刘志远张驯李志茹
申请(专利权)人:国家电网公司国网甘肃省电力公司国网甘肃省电力公司电力科学研究院
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1