基于海量计量数据的用电设备能效混沌分析方法技术

基于海量计量数据的用电设备能效混沌分析方法属于电气工程技术领域，特别涉及一种基于海量计量数据的用电设备能效混沌分析方法。本发明专利技术提出一种基于海量计量数据的用电设备能效混沌分析方法，采用先进的计量数据的分析方法与试验检测系统相结合，分析用户用电设备的使用情况与用户用电数据关联关系，进而获得用户的用电习惯以及不同用电设备的负荷特性关系。本发明专利技术包括以下步骤：1)采用模糊C均值聚类(FCM)用隶属度确定用户的综合负荷特性属于某个聚类的程度，把n个行业用户xi(i＝1,2,,,n)分为c个模糊类,并求取每类的聚类中心,使类内加权误差平方和函数达到最小。

【技术实现步骤摘要】

本专利技术属于电气工程
，特别涉及一种基于海量计量数据的用电设备能效 混沌分析方法。
技术介绍
目前我国电能结构的特点表现为：高能耗行业比重较高，工业经济对电力、煤炭等 能源的依赖性极其突出。就目前国内外形势来看，能源已经成为影响企业发展与规模扩大 的关键因素。然而，随着企业的快速发展和规模的不断扩大，能源的需求量不断增加的同 时，浪费现象也很严重。同时，我国电力最高负荷普遍持续较快增长，峰谷差增大，高峰时段 和电力设备检修季节电力供应紧张，给电网安全运行带来很大威胁，也给电力负荷分析预 测、电网规划带来许多困难。现在多是对电网负荷预测的研究，对用电负荷分类的研究相对 较少，而用电负荷分类是负荷预测的基础，通过用电负荷特性分析和负荷分类，摸清电网负 荷的变化规律并对其进行能效分析是很有必要的，因此，研究准确的合适的用电负荷分类 方法具有重要意义。 混沌理论是一种兼具质性思考与量化分析的方法，用以探讨动态系统中无法用单 一的数据关系，而必须用整体、连续的数据关系才能加以解释及预测的行为。其具有随机 性、敏感性、分维性、普适性、标度律等特性。在用电负荷分类的基础上，结合混沌分析理论， 充分挖掘负荷历史数据的本质特征，有效利用信息资源，根据数据本身的客观规律来进行 预测，避免人为主观性，从而提高预测精度，在电力负荷预测中取得较好效果。同时电力 负荷的准确预测，能够为电网调度部门制定发供电方案、平衡电网供需提供依据，有助于 系统运行部门对电能的生产、输送、分配以及消费的准确估计，制定出安全、高效的发电计 划。根据负荷预测提供的准确信息，能够实现发电容量的合理调度，经济合理地安排发电 机组的启停，为各发电机组的检修提供依据。 电力负荷的预测就是根据电力负荷的历史数据以及当前的负荷值来对其未来的 电力负荷的数据进行推算，面对的研宄对象是具有随机性和不确定性的混沌系统。近年 来，通过科研人员对其进行深入研究，己经总结出了许多经验及原理，对今后的电力负荷 预测工作提供了指导。 了解电力负荷发展变化的规律，提高电力需求预测的准确性，分析出波峰和低谷 时段的用电特征，对用电设备的耗电情况应用能效混沌分析方法，提取同类负荷的共同本 质特征，对提高用户电能利用率、保证电网安全稳定运行、增强电网综合服务能力有着重要 的经济效益和社会效益。
技术实现思路
本专利技术提出一种，采用先进的计 量数据的分析方法与试验检测系统相结合，分析用户用电设备的使用情况与用户用电数据 关联关系，进而获得用户的用电习惯以及不同用电设备的负荷特性关系，运用模糊聚类方 法实现对电力负荷的分类，得到其相应聚类中心矩阵，分析聚类结果和聚类中心矩阵，使 电力负荷分类达到最优。 为实现上述目的，本专利技术采用如下技术方案，本专利技术包括以下步骤： 1)采用模糊C均值聚类（FCM)用隶属度确定用户的综合负荷特性属于某个聚类的 程度，把η个行业用户 Xl (i = 1，2,，，η)分为c个模糊类，并求取每类的聚类中心，使类 内加权误差平方和函数达到最小；FCM用模糊划分，使得每个给定数据点用值在（0，1)间的 隶属度来确定其属于各个组的程度；与引入模糊划分相适应，隶属矩阵U允许有取值在0-1 间的元素；归一化规定，一个数据集的隶属度的总和等于1 : FCM的价值函数（或目标函数）是： 这里Ul]介于（〇, 1)间；Cl为模糊组I的聚类中心，屯=11 Cl-X] 11为第I个聚类 中心与第j个数据点间的欧几里德距离；m e [1，00)是加权指数； 构造如下新的目标函数，求得使（2)式达到最小值的必要条件： 这里λ ,，j = 1到n，是⑴式的n个约束式的拉格朗日乘子；对所有输入参量求 导，使式（2)达到最小的必要条件为： 由上述两个必要条件，模糊c均值聚类算法为迭代过程； 2)采用相空间重构的方法对分类后的电力负荷数据进行建模，通过测量得到 采样负荷信号的时间序列矩阵，{xj = {X(kT)}，其中k = 0，K，N，Τ为采样周期，每个 X(kT)为kT时刻实测的m维向量；然后针对X(kT)的第i个分量构造形式上的状态向量 A.;(々n = 7i = 1，…，m;其中 τ =[τι τ2 9 ，κ, τ JT是未知的延迟时间向量，τ i是τ的第i个分量（i = 1，. . .，m) ;n =[叫η2 ,Κ， 10'111是11的第1个分量，是未知的嵌入维数（1 = 1，...，111);为了确定^和111值，从而 确定τ和η，首先利用时间序列计算 其中k' <k，k' = 0, 1，K，E(g)是期望值，g是平均值，ν?)是线性相关的函数， 是非线性相关的函数；设置^分别是和达到第一个最小值 的时间，得到如下时间单元： 延迟时间常数τ i选择为 其中Int表示实数的整数部分；然后通过采用相关函数来计算吸引子的相关 维数： 其中1是一个常参数；Θ为Heaviside函数； 子的估计维数彤，混沌系统的第i个分量的嵌入维数为Α?#1 3)重构混沌系统的相空间后，采用神经网络的ΒΡ算法，通过模糊双曲正切模型作 为混沌系统的全局逼近模型，得到如下映射 Xk - Xk+1 = f(Xk) = A(t)tanh(LXk) (11) 系统矩阵A(t)为维数的时变矩阵，依据典型用户不同而定；L为对角矩阵； 基于模型（11)，引入误差反馈控制，建立一个动态控制系统用来预测短期内各负 荷信号，该系统为： 其中Xk为当前时刻测得的信号向量，为预测的下一采样时刻的信号向量； u(ek)为控制器，利用历史数据设置；^w =教「不+1 ;电力系统正常运行状况下，通过控 制器u(ek)的保证 | |ek+1| | 彡 ε (13) 其中ε为预先指定的小常数；如果电力系统运行不正常（即不满足电力系统正 常运行遵守的等式约束条件和不等式约束条件，这些条件在本科课本中有记载），控制器 u(ek)不保证（13)成立。 作为一种优选方案，本专利技术所述系统矩阵A(t)为适当维数的时变矩阵，依据用户 负荷等级不同设定。 作为另一种优选方案，本专利技术选取用户综合负荷静特性基本数据，将其数据进行 聚类分析；选取负荷样本在数据采集的基础上，根据负荷等级的不同的需要，在正常工作时 间和维用户维选取一定容量的负荷数据，作为负荷分类的输入样本；在进行负荷分类之前， 进行原始负荷数据的清洗和预处理，包括不良数据的辨识和修正、数据标准化和无量纲化 处理； 在样本选取和数据预处理之后，选择模糊C均值聚类算法进行负荷分类；认识和 挖掘各类负荷的特点，辅助支持电力系统的决策； 在批处理方式运行时，模糊C均值聚类算法用下列步骤确定聚类中心Cl和隶属矩 阵U : 步骤1 :用值在间的随机数初始化隶属矩阵U，使其满足式（1)中的约束条 件； 步骤2 :用式⑷计算c当前第1页1 2 3 本文档来自技高网...

【技术保护点】
基于海量计量数据的用电设备能效混沌分析方法，其特征在于包括以下步骤：1)采用模糊C均值聚类(FCM)用隶属度确定用户的综合负荷特性属于某个聚类的程度，把n个行业用户xi(i＝1,2,,,n)分为c个模糊类,并求取每类的聚类中心,使类内加权误差平方和函数达到最小；FCM用模糊划分，使得每个给定数据点用值在(0，1)间的隶属度来确定其属于各个组的程度；与引入模糊划分相适应，隶属矩阵U允许有取值在0‑1间的元素；归一化规定，一个数据集的隶属度的总和等于1：J(U,c1,...,cc)=Σi=1cJi=Σi=1cΣjnuijmdij2---(1)]]>FCM的价值函数(或目标函数)是：J(U,c1,...,cc)=Σi=1cji=Σi=1cΣjnuijmdij2---(2)]]>这里uij介于(0，1)间；ci为模糊组I的聚类中心，dij＝||ci‑xj||为第I个聚类中心与第j个数据点间的欧几里德距离；m∈[1,∞)是加权指数；构造如下新的目标函数，求得使(2)式达到最小值的必要条件：J‾(U,c1,...,cc,λ1,...,λn)=J(U,c1,...,cc)+Σj=1nλj(Σi=1cuij-1)=Σi=1cΣjnuijmdij2+Σj=1nλj(Σi=1cuij-1)---(3)]]>这里λj，j＝1到n，是(1)式的n个约束式的拉格朗日乘子；对所有输入参量求导，使式(2)达到最小的必要条件为：ci=Σj=1nuijmxjΣj=1nuijm---(4)]]>和uij=1Σk=1c(dijdkj)2/(m-1)---(5)]]>由上述两个必要条件，模糊c均值聚类算法为迭代过程；2)采用相空间重构的方法对分类后的电力负荷数据进行建模，通过测量得到采样负荷信号的时间序列矩阵，{Xk}＝{X(kT)}，其中k＝0,K,N，T为采样周期，每个X(kT)为kT时刻实测的m维向量；然后针对X(kT)的第i个分量构造形式上的状态向量Xki(kT)=[Xi(kT),Xi(kT-τi),K,Xi(kT-(ni-1)τi)]T,]]>i＝1,...,m；其中τ＝[τ1 τ2,K,τm]T是未知的延迟时间向量，τi是τ的第i个分量(i＝1,...,m)；n＝[n1 n2,K,nm]T，ni是n的第i个分量，是未知的嵌入维数(i＝1,...,m)；为了确定τi和ni值，从而确定τ和n，首先利用时间序列计算ΨXXi(k′)=E{[Xki-{Xki}‾]T[Xk-k′i-{Xk-ki′}‾]}---(6)]]>和ΨX2X2i(k′)=E{[(Xki)2-{(Xki)2}‾]T[(Xk-k′i)2-{(Xk-ki′)2}‾]}---(7)]]>其中k'<k，k'＝0,1,K，E(g)是期望值，是平均值，是线性相关的函数，是非线性相关的函数；设置分别是和达到第一个最小值的时间，得到如下时间单元：τ‾i=min{τiX,τiX2}---(8)]]>延迟时间常数τi选择为Int[τ‾i/5]≤τi≤Int[τ‾i/2]+1---(9)]]>其中Int[g]表示实数的整数部分；然后通过采用相关函数来计算吸引子的相关维数：Ci(l)=1N(N-1)Σk,j=1Nθ(l-||Xki-Xji||),i=1,K,m---(10)]]>其中l是一个常参数；θ为Heaviside函数；计算得到吸引子的估计维数混沌系统的第i个分量的嵌入维数为3)重构混沌系统的相空间后，采用神经网络的BP算法，通过模糊双曲正切模型作为混沌系统的全局逼近模型，得到如下映射Xk→Xk+1＝f(Xk)＝A(t)tanh(LXk)   (11)系统矩阵A(t)为维数的时变矩阵，依据典型用户不同而定；L为对角矩阵；基于模型(11)，引入误差反馈控制，建立一个动态控制系统用来预测短期内各负荷信号，该系统为：Xk+1%=A(t)tanh(LXk)+u(ek)---(12)]]>其中Xk为当前时刻测得的信号向量，为预测的下一采样时刻的信号向量；u(ek)为控制器，利用历史数据设置；电力系统正常运行状况下，通过控制器u(ek)的保证||ek+1||≤ε   (13)...

【技术特征摘要】

【专利技术属性】
技术研发人员：赵钢，单美岩，金鹏，郭昆亚，杨东升，张化光，王占山，毕影娇，王义贺，梁雪，
申请(专利权)人：国家电网公司，国网辽宁省电力有限公司沈阳供电公司，东北大学，
类型：发明
国别省市：北京;11