一种可帮助广义负荷进行提前预测的潜在相关关系的挖掘方法技术

本发明专利技术公开了一种可帮助广义负荷进行提前预测的潜在相关关系的挖掘方法，包括下述步骤：(1)获得广义负荷时序数据序列参数，广义负荷时序数据序列参数包括负荷序列的数据、风电发电序列的数据和光伏发电序列的数据；(2)根据广义负荷时序数据序列参数建立最优延位模型，最优延位模型以一组序列通过时移后与另一序列相关系数最大为目标函数；最优延位模型的约束条件包括：序列中各元素时移时间约束和时移之后序列中各元素的时间单调一致性约束；(3)采用最大期望算法对最优延位模型进行求解，获得两组序列之间最大的相关系数与此时所需的时移时间，分别对上述两个计算结果进行统计分析，并根据统计分析的结果判断序列间相关关系。

【技术实现步骤摘要】
一种可帮助广义负荷进行提前预测的潜在相关关系的挖掘方法
本专利技术属于广义负荷序列间潜在相关性挖掘的
，更具体地，涉及一种可帮助广义负荷进行提前预测的潜在相关关系的挖掘方法。
技术介绍
分析、挖掘和表征包含光伏出力、风电出力、负荷在内的广义负荷序列的特性，对含高比例可再生能源电力系统的安全经济运行具有重要意义。其中相关关系是广义负荷序列特性中重要的一种，准确的相关关系的描述，可为电力负荷的预测、电力系统的运行与规划提供重要的基础参考信息。广义负荷序列包括光伏出力序列、风电出力序列、负荷序列。由于其中可再生能源的出力数据属于发电量数据，负荷数据属于用电量数据，两者的来源与属性并不相同，属于异质数据。在对异质数据进行分析时，直接对原始数据进行相关性分析往往很难得到令人满意的结果。为此，本专利技术公开一种可以挖掘广义负荷间相关关系的方法，从而更全面的描述广义负荷序列间的相关关系，为电力预测、调度、规划提供重要的基础特性。现有的相关性分析方法，多是对原始数据进行直接分析，即直接使用原始数据计算两组序列间的相关系数，通过计算得到的相关系数判别两组序列间的相关关系。如中国专利技术专利CN1本文档来自技高网...

【技术保护点】
一种可帮助广义负荷进行提前预测的潜在相关关系的挖掘方法，其特征在于，包括下述步骤：(1)获得广义负荷时序数据序列参数，所述广义负荷时序数据序列参数包括负荷序列的数据、风电发电序列的数据和光伏发电序列的数据；(2)根据所述广义负荷时序数据序列参数建立最优延位模型，所述最优延位模型以一组序列通过时移后与另一序列相关系数最大为目标函数；所述最优延位模型的约束条件包括：序列中各元素时移时间约束和时移之后序列中各元素的时间单调一致性约束；(3)采用最大期望算法对所述最优延位模型进行求解，获得两组序列之间最大的相关系数与此时所需的时移时间，分别对上述两个计算结果进行统计分析，并根据统计分析的结果判断序列间...

【技术特征摘要】
1.一种可帮助广义负荷进行提前预测的潜在相关关系的挖掘方法，其特征在于，包括下述步骤：(1)获得广义负荷时序数据序列参数，所述广义负荷时序数据序列参数包括负荷序列的数据、风电发电序列的数据和光伏发电序列的数据；(2)根据所述广义负荷时序数据序列参数建立最优延位模型，所述最优延位模型以一组序列通过时移后与另一序列相关系数最大为目标函数；所述最优延位模型的约束条件包括：序列中各元素时移时间约束和时移之后序列中各元素的时间单调一致性约束；(3)采用最大期望算法对所述最优延位模型进行求解，获得两组序列之间最大的相关系数与此时所需的时移时间，分别对上述两个计算结果进行统计分析，并根据统计分析的结果判断序列间相关关系。2.如权利要求1所述的挖掘方法，其特征在于，步骤(1)中所述广义负荷时序数据序列参数的获得方法具体为：(1.1)任选系统负荷1年365天间隔为15min或5min的历史数据作为负荷序列的数据；(1.2)任选风力发电系统1年365天间隔为15min或5min的历史数据作为所述风电发电序列的数据；(1.3)任选光伏发电系统1年365天间隔为15min或5min的历史数据作为所述光伏发电序列的数据。3.如权利要求1或2所述的挖掘方法，其特征在于，所述目标函数为：max|ρ[P1(T+Δt),P2(T)]|；其中，P1(T)，P2(T)为时间长度为T的广义负荷序列，P1(T)...

【专利技术属性】
技术研发人员：黎静华，梁浚杰，兰飞，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西,45