【技术实现步骤摘要】
一种基于区域电力数据与区域发展指数关联分析方法
[0001]本专利技术涉及区域数据分析
,特别涉及一种基于区域电力数据与区域发展指数关联分析方法。
技术介绍
[0002]当今社会,电气化水平的提高使得各种经济活动几乎都离不开电力,电力是国民经济发展中重要的生产资料及人民生活中必不可少的生活资料,电力作为关系国计民生的重要基础设施,在保障能源安全、促进节能减排、拉动经济增长、带动产业升级中的作用更加突出。全社会电力数据是通过发电侧表计与用电侧表计计量,经校合、计算而成,客观上保证了电力数据的实时性、可靠性及准确性,由此决定了电力生产、消费与区域发展的紧密相关性在宏观经济研究中的重要作用。各级政府已将全社会电力数据作为判断宏观经济发展的一个重要指数,电力数据已成为度量经济发展的温度计和晴雨表。在经济发展新常态下,区域发展与电力数据之间的弹性系数正在发生新的变化,一定程度上的背离恰恰反映了结构调整和转型升级取得积极进展。
技术实现思路
[0003]针对现有技术存在的问题及技术要求,本专利技术的目的是提供了一种 ...
【技术保护点】
【技术特征摘要】
1.一种基于区域电力数据与区域发展指数关联分析方法,其特征在于,包括以下步骤:(S1)区域电力数据挖掘;(S2)建立区域电力数据与发展指数模型;(S3)采用大数据分析法对区域电力数据与发展指数模型进行发展指数评估。2.根据权利要求1所述的一种基于区域电力数据与区域发展指数关联分析方法,其特征在于,所述的步骤(S1)区域电力数据挖掘,包括以下步骤:(S11)采集电力数据图片;(S12)提取电力数据特征图片,将电力数据特征图片的像素矩阵I(x,y)数据挖掘算法,得到电力数据特征图片空间尺度的卷积,即:L(x,y,σ)=G(x,y,σ)*I(x,y)其中,G(x,y,σ)为尺度可变高斯函数,即:其中,(x,y)为空间坐标,σ为尺度坐标;(S13)计算高斯差分尺度空间,即:D(x,y,σ)=(G(x,y,kσ)
‑
G(x,y,σ))*I(x,y)其中k为尺度常熟;(S14)通过高斯差分尺度空间检测关键点,提取电力数据的特征,并进行分析;(S15)提取电力数据的环境信息,并进行量化处理;(S16)将量化处理后的环境信息带入卷积神经网络经过池化层,对单位像素迁移和亮度影响进行校正,设电力数据特征图片的大小为W
×
W,电力数据特征图片空间尺度卷积的大小为F
×
F,电力数据特征图片空间尺度卷积边缘填充P个像素,电力数据特征图片空间尺度卷积步长为S,则电力数据特征图片空间尺度卷积池化输出的大小N为:(S17)对电力数据特征图片空间尺度卷积进行最大值池化,即:其中,为卷积核,a
j
为卷积核中的最大值。3.根据权利要求1所述的一种基于区域电力数据与区域发展指数关联分析方法,其特征在于,所述的步骤(S2)建立区域电力数据与发展指数模型,包括以下步骤:(S21)采用灰色关联分析方法,对区域电力数据与发展指数之间关联性进行分析;(S22)建立区域电力数据与发展指数间关联程度量化模型,确定发展指数的初始权重;(S23)建立区域电力数据与发展指数间关系...
【专利技术属性】
技术研发人员:李雍睿,郭尚民,郭志彤,禹加,杨朔,王楚涵,刘馨然,窦文雷,宋卓然,王征,
申请(专利权)人:国网辽宁省电力有限公司,
类型:发明
国别省市:
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。