用于电网负荷预测的多元异质数据清洗方法技术

本发明专利技术提出一种用于电网负荷预测的多元异质数据清洗方法，包括以下步骤：对多元异质设备的运行数据的分布特性进行分析，以得到有效运行数据；对有效运行数据进行数据识别处理，以得到完整的数据源；对完整的数据源进行标准化处理，以得到干净的数据源。本发明专利技术能够有效提高数据质量，进而提高电网负荷预测的准确性。

【技术实现步骤摘要】

本专利技术涉及需求侧负荷管理
，特别涉及一种用于电网负荷预测的多元异质数据清洗方法。
技术介绍
电力需求侧管理对负荷预测的准确性具有严格的要求。负荷预测的水平作为电力企业管理走向现代化的重要依据，对于电力企业的经营管理工作的作用十分重要。通过负荷预测分析，有助于电力企业掌握电力系统负荷的发展趋势，有效指导电力作业，提前做好应对高负荷的准备工作，进而实现需求侧管理，改善负荷特性与供需矛盾，提高电力系统的运行效率，使用电管理逐步走向市场。负荷预测的准确性与基础数据的质量有直接的关系，而目前的负荷预测方法中，由于收据采集中的问题，导致系统数据中存在一些“坏数据”，如数据重复、数据缺失等，导致数据质量不高，进而导致负荷预测的准确性也不高。
技术实现思路
本专利技术旨在至少解决上述技术问题之一。为此，本专利技术的目的在于提出一种用于电网负荷预测的多元异质数据清洗方法，该方法能够有效提高数据质量，进而提高电网负荷预测的准确性。为了实现上述目的，本专利技术的实施例提出了一种用于电网负荷预测的多元异质数据清洗方法，包括以下步骤：对多元异质设备的运行数据的分布特性进行分析，以得到有效运行数据；对所述有效运行数据进行数据识别处理，以得到完整的数据源；对所述完整的数据源进行标准化处理，以得到干净的数据源。另外，根据本专利技术上述实施例的用于电网负荷预测的多元异质数据清洗方法还可以具有如下附加的技术特征：在一些示例中，还包括：用所述干净的数据源替换所述运行数据中的无效数据。在一些示例中，所述对所述多元异质设备的运行数据的分布特性进行分析，进一步包括：对所述多元异质设备的运行数据进行异常检测、缺失值或异常值处理、相似重复记录处理，以剔除所述运行数据中的无效数据。在一些示例中，所述无效数据包括：差异性过大数据、缺失数据和恒定不变数据。在一些示例中，其中，当所述运行数据的离散系数高于预设值时，判定所述运行数据为差异性过大数据。在一些示例中，所述对所述有效运行数据进行数据识别处理，进一步包括：通过最小二乘算法对所述有效运行数据进行平滑处理和缺失值补充，得到完整的数据源。在一些示例中，所述多元异质设备为变压器，所述变压器的运行数据包括：有功功率、无功功率、电流值和电压值。在一些示例中，对所述变压器的有效运行数据进行识别和处理，进一步包括：设定测量量为z，状态变量为x，误差为v，则非线性估计方程为：z＝h(x)+v (1)如果给定测量量的矢量z，则状态变量x是使式(2)的目标函数达到最小的x值，其中，所述目标函数为：J(x)＝[z-h(x)]TR-1[z-h(x)] (2)对所述h(x)进行线性化假设。令x0是x的近似值，在x0附近将h(x)进行泰勒展开，忽略二次以上的非线性项之后，得到：h(x)＝h(x0)+H(x0)Δx (3)，其中，Δx＝x-x0；H(X0)是m*n阶测量矢量的雅可比矩阵；将式(3)代入式(2)中，令Δz＝z-h(x0)，得到：J(x)＝[Δz-H(x0)Δx]TR-1[Δz-H(x0)Δx] (4)将式(4)展开，并经过配方后得到： J ( x ) = Δz T [ R - 1 - R - 1 H ( x 0 ) Σ ( x 0 ) H T ( x 0 ) R - 1 ] Δ Z + [ Δ X - Σ ( x 0 ) H T ( x 0 ) R - 1 Δ 本文档来自技高网...

【技术保护点】
一种用于电网负荷预测的多元异质数据清洗方法，其特征在于，包括以下步骤：对多元异质设备的运行数据的分布特性进行分析，以得到有效运行数据；对所述有效运行数据进行数据识别处理，以得到完整的数据源；对所述完整的数据源进行标准化处理，以得到干净的数据源。

【技术特征摘要】
1.一种用于电网负荷预测的多元异质数据清洗方法，其特征在于，包括以下步骤：对多元异质设备的运行数据的分布特性进行分析，以得到有效运行数据；对所述有效运行数据进行数据识别处理，以得到完整的数据源；对所述完整的数据源进行标准化处理，以得到干净的数据源。2.根据权利要求1所述的用于电网负荷预测的多元异质数据清洗方法，其特征在于，还包括：用所述干净的数据源替换所述运行数据中的无效数据。3.根据权利要求1所述的用于电网负荷预测的多元异质数据清洗方法，其特征在于，所述对所述多元异质设备的运行数据的分布特性进行分析，进一步包括：对所述多元异质设备的运行数据进行异常检测、缺失值或异常值处理、相似重复记录处理，以剔除所述运行数据中的无效数据。4.根据权利要求3所述的用于电网负荷预测的多元异质数据清洗方法，其特征在于，所述无效数据包括：差异性过大数据、缺失数据和恒定不变数据。5.根据权利要求3所述的用于电网负荷预测的多元异质数据清洗方法，其特征在于，其中，当所述运行数据的离散系数高于预设值时，判定所述运行数据为差异性过大数据。6.根据权利要求1所述的用于电网负荷预测的多元异质数据清洗方法，其特征在于，所述对所述有效运行数据进行数据识别处理，进一步包括：通过最小二乘算法对所述有效运行数据进行平滑处理和缺失值补充，得到完整的数据源。7.根据权利要求6所述的用于电网负荷预测的多元异质数据清洗方法，其特征在于，所述多元异质设备为变压器，所述变压器的运行数据包括：有功功率、无功功率、电流值和电压值。8.根据权利要求7所述的用于电网负荷预测的多元异质数据清洗方法，其特征在于，对所述变压器的有效运行数据进行识别和处理，进一步包括：设定测量量为z，状态变量为x，误差为v，则非线性估计方程为：z＝h(x)+v (1)如果给定测量量的矢量z，则状态变量x是使式(2)的目标函数达到最小的x值，其中，所述目标函数为：J(x)＝[z-h(x)]TR-1[z-h(x)] (2)对所述h(x)进行线性化假设。令x0是x的近似值，在x0附近将h(x)进行泰勒展开，忽略二次以上的非线性项之后，得到：h(x)＝h(x0)+H(x0)Δx (3)，其中，Δx＝x-x0；H(X0)是m*n阶测量矢量的雅可比矩阵；将式(3)代入式(2)中，令Δz＝z-h(x0)，得到：J(x)＝[Δz-H(x0)Δx]TR-1[Δz-H(x0)Δx] (4)将式(4)展开，并经过配方后得到： J ( x ) = Δz T [ R - 1 - R - 1 H ( x 0 ) Σ ( x 0 ) H T ( x 0 ) R - 1 ] Δ Z + [ Δ X - Σ ( x 0 ) H T ( x 0 ) R - 1 Δ z ] T Σ - 1 ( x 0 ) [ Δ x - Σ ( x 0 ) H T ( x 0 ) R - 1 Δ z ] - - - ( 5 ) ]]>其中，∑(x0)＝[HT(x0)R-1H(x0)]-1；如果使J(x)达到极小，则： Δ x ^ = Σ ( x 0 ) H T ( x 0 ) R - 1 Δ z - - - ( 6 ) ]]>由式(6)得到： x ^ = x 0 + Δ x ^ = x 0 + Σ ( x 0 ) H T ( x 0 ) R - 1 [ z - h ( x 0 ) &rs...

【专利技术属性】
技术研发人员：邵华，贺春光，李树水，安佳坤，马国真，胡诗尧，赵红波，袁成勇，韩文源，翟广心，刘鹏，谢晓琳，张昭旭，周兴华，蔡正勇，康伟，任志刚，凌云鹏，王颖，孙轶良，孙鹏飞，袁博，韩璟琳，王宁，张帅，马聪，宁杰，石亚欣，
申请(专利权)人：国家电网公司，国网河北省电力公司经济技术研究院，北京中恒博瑞数字电力科技有限公司，
类型：发明
国别省市：北京;11