一种基于数据挖掘的电气量超短期预测方法及系统技术方案

本发明专利技术公开了一种基于数据挖掘的电气量超短期预测方法及系统，其中该方法包括：对待预测量时间序列进行标准正态化处理，并对标准正态化后的数据进行非线性聚合度和最优嵌入维数E的计算，以考察给定的动态系统的非线性程度；根据最优嵌入维数E，计算待预测量时间序列的延迟时间τ；根据最优嵌入维数E和延迟时间τ，对待预测量时间序列进行相空间重构；构建经验动态模型，在重构相空间内采用单纯形投影法对给定的动态系统进行预测，得到待预测量的预测结果。

【技术实现步骤摘要】
一种基于数据挖掘的电气量超短期预测方法及系统
本专利技术属于大电网数据挖掘领域，尤其涉及一种基于数据挖掘的电气量超短期预测方法及系统。
技术介绍
电网作为一种特殊的非线性能量输送系统，其不同电气量(电压幅值、相角、负荷、有功功率)在不同运行场景下对外表现为不同的数值变化特征。在电网中，由于元件间的拓扑连接关系客观存在，它们之间必然存在或多或少的相互作用力，站在电网所有元件运行状态完全可测角度，各元件间的拓扑关系及相互作用力必然蕴含于广域时空量测信息中。要实施电网动态的调控，就必须能够依据电网当前广域量测结果，针对关键电气量集合，预估出电网的发展趋势，以掌握未来调控时段电网的运行态势。因此，对电网中关键电气量的发展规律进行预测是新颖而亟需的。在电气量预测技术方面，目前使用最多的是回归分析法和时间序列法，回归分析预测方法是通过分析电气量的历史表现和影响电气量变化的因素，确定描述自变量与因变量关系的回归方程式，并据此推断将来时刻的负荷值。时间序列方法则是根据负荷的历史数据，建立描述电气量随时间变化的数学模型，并在此基础上确定出预测的表达式，从而完成预测。在负荷预测领域，目前调度常用的是相似本文档来自技高网...

【技术保护点】
一种基于数据挖掘的电气量超短期预测方法，其特征在于，包括：对待预测量时间序列进行标准正态化处理，并对标准正态化后的数据进行非线性聚合度和最优嵌入维数E的计算，以考察给定的动态系统的非线性程度；根据最优嵌入维数E，计算待预测量时间序列的延迟时间τ；根据最优嵌入维数E和延迟时间τ，对待预测量时间序列进行相空间重构；构建经验动态模型，在重构相空间内对给定的动态系统进行预测，得到待预测量的预测结果。

【技术特征摘要】
1.一种基于数据挖掘的电气量超短期预测方法，其特征在于，包括：对待预测量时间序列进行标准正态化处理，并对标准正态化后的数据进行非线性聚合度和最优嵌入维数E的计算，以考察给定的动态系统的非线性程度；根据最优嵌入维数E，计算待预测量时间序列的延迟时间τ；根据最优嵌入维数E和延迟时间τ，对待预测量时间序列进行相空间重构；构建经验动态模型，在重构相空间内对给定的动态系统进行预测，得到待预测量的预测结果。2.如权利要求1所述的一种基于数据挖掘的电气量超短期预测方法，其特征在于，对标准正态化后的数据采用S映射的方法来计算其非线性聚合度。3.如权利要求1所述的一种基于数据挖掘的电气量超短期预测方法，其特征在于，采用复自相关法来计算待预测量时间序列的延迟时间τ。4.如权利要求1所述的一种基于数据挖掘的电气量超短期预测方法，其特征在于，在对待预测量时间序列进行相空间重构的过程中，根据塔肯斯定理，当最优嵌入维数E满足E≥2M+1时，给定的动态系统由单维观测量的时序观测值进行重构；其中，M为原动力系统维数。5.如权利要求1所述的一种基于数据挖掘的电气量超短期预测方法，其特征在于，在重构相空间内对给定的动态系统进行预测的过程中，利用单纯形投影法来计算状态量相邻点的运动轨迹的加权平均值，进而预测给定的动态系统状态的运动轨迹。6.一种基于数据挖掘的电气量超短期预测系统，其特征在于，包括...

【专利技术属性】
技术研发人员：杨明，马嘉翼，韩学山，马世英，刘道伟，苗福丰，毛玉宾，刘永民，
申请(专利权)人：山东大学，中国电力科学研究院，国家电网公司，国网河南省电力公司经济技术研究院，
类型：发明
国别省市：山东,37