基于相关函数改进的熵权法的用电习惯海量数据融合方法技术

本发明专利技术提供一种基于相关函数改进的熵权法的用电习惯海量数据融合方法，步骤1：数据读取，在用电习惯海量数据中，读取功率系统中的有功功率，无功功率，视在功率，电能质量系统中的电流波形的总谐波畸变和电压波形的总波形畸变；步骤2：相关函数融合算法，步骤3：熵权法预测，采用基于仿射算术的三相前推回代潮流计算，以高精度的实时量测作为更严格的约束对数据进行进一步融合。采用相关函数方法将数据降维简化处理。解决配电用户负荷用电习惯复杂多变，通过熵权法，针对性研究终端用户用电习惯的海量数据，建立配电终端负荷对配线损失影响的量化分析模型，将电力市场经济效益与用电特征数据有效结合。征数据有效结合。征数据有效结合。

【技术实现步骤摘要】
基于相关函数改进的熵权法的用电习惯海量数据融合方法


[0001]本专利技术涉及数据融合
，特别涉及一种基于相关函数改进的熵权法的用电习惯海量数据融合方法。

技术介绍

[0002]随着大数据时代的来临，未来用电习惯海量数据融合的配网技术具有可观的潜力，这对研究基于海量数据融合的配线损失精益管理及预警技术有着深刻意义。目前，由于终端用户用电习惯的多变性，加上缺少量化终端负荷对配线损失影响的计算方法，造成用电特征数据不能为配网的经济运行提供可靠支持。
[0003]为了准确把握用电习惯的特点，需要对获得的数据实现快速准确分析。从电网中收集到的用户用电数据存在着采集频率较低、用户数分布不均匀、负荷数据异常、用电信息维度缺失等问题。这些原始数据较为粗糙，数据质量较差，如果直接用于预测分析不加选择，将会大大影响干扰研究人员的分析与判断，增加了计算难度，降低了计算速度，影响系统的高效运行。由于数据填报、传递、核查多个流程中会引入不良数据，影响大数据分析的准确度，所以在进行配网效率分析之前，需要对数据进行分析与处理。
[0004]配网数据一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相关函数改进的熵权法的用电习惯海量数据融合方法，其特征在于，包括如下：步骤1：数据读取，在用电习惯海量数据中，读取功率系统中的P、Q、S，电能质量系统中的THD
i
、THD
v
；P为有功功率，Q为无功功率，S为视在功率，THD
i
为电流波形的总谐波畸变，THD
v
电压波形的总波形畸变；步骤2：相关函数融合算法，相关函数用来描述信号间相关关系的统计量，通过对振动信号进行相关函数计算，直观地看出信号间的关联性；步骤3：熵权法预测，采用基于仿射算术的三相前推回代潮流计算，以高精度的实时量测作为更严格的约束对数据进行进一步融合。2.根据权利要求1所述的一种基于相关函数改进的熵权法的用电习惯海量数据融合方法，其特征在于，所述的步骤2的相关函数融合算法具体包括如下：1)计算有功功率P与视在功率S的相关函数假设两个随机信号为p(n)和s(n)，则p(n)和s(n)之间的互相关函数表示为：式中，p为有功功率，s为视在功率，N为数据个数，n＝(0,1,2,3...N)，当p(n)＝s(n)，成为自相关函数；则p(n)和s(n)之间的相关系数表示为：E
a
和E
b
是自相关函数中的两个能量变量；2)计算无功功率Q与视在功率S的相关函数假设两个随机信号为q(n)和s(n)，则q(n)和s(n)之间的互相关函数表示为：式中，q为无功功率，s为视在功率，N为数据个数，n＝(0,1,2,3...N)，当q(n)＝s(n)，成为自相关函数；则q(n)和s(n)之间的相关系数表示为：3)计算THD
i
与THD
v
的相关函数假设两个随机信号为t1(n)和t2(n)，则t1(n)和t2(n)之间的互相关函数表示为：式中，t1为电流波形的总谐波畸变，t2为电压波形的总波形畸变，N为数据个数，n＝(0,1,2,3...N)，当t1(n)＝t2(n)，成为自相关函数；则t1(n)和t2(n)之间的相关系数表示为：3.根据权利要求1所述的一种基于相关函数改进的熵权法的用电习惯海量数据融合方法，其特征在于，所述的步骤3的熵权法预测具体包括如下：
1)将用电习惯系统中三相前推回代潮流计算中的ρ
ps
，ρ
qs
，ρ

【专利技术属性】
技术研发人员：尹良智，王诺迪，王家峰，赵郁婷，李颖，李鹏，常健，王嘉川，孙翔宇，崔琦，王晶，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：