一种基于广义层次多粒度的电力短期预测方法技术

本发明专利技术公开一种基于广义层次多粒度的电力短期预测方法，该方法包括以下步骤：获取电力数据包括，影响电力负荷量的因素和电力负荷量值；根据属性重要度和相似性度量，筛选影响电力负荷量的信息；分别对影响电力负荷量的因素、电力负荷量值建立概念层次树；根据时序关系，构建时序影响电力负荷量属性组合粒；根据层次重要度排序的倒序，选取影响电力负荷量的属性重要度不变化的最粗粒度层次；利用多粒度方法，挖掘出符合要求的规则，进行预测，本发明专利技术利用层次模型的结构特性，能够极大减少计算时间和处理的数据量；利用多粒度的多视角特性，挖掘出区别于平面数据表的规则，发掘更多有意义的信息。义的信息。义的信息。

【技术实现步骤摘要】
一种基于广义层次多粒度的电力短期预测方法


[0001]本专利技术涉及一种基于广义层次多粒度的电力短期预测方法，具体为一种基于广义层次多粒度的电力短期预测方法。

技术介绍

[0002]现有的电力短期负荷预测方法根据历史数据，模型建立都是基于最细粒度的数据，决策规则挖掘是构建电力短期预测模型的重要目的。我们需要从大量的，甚至杂乱无章的数据中挖掘有用的、有价值的规则，这对于现有的硬件，模型构建有很大的要求。影响电力负荷量的因素有很多属性，同时也产生很多冗余信息，过滤冗余信息，对模型构建非常重要。对于大规模数据，一般从平面数据表中挖掘电力负荷量规则，但很多时候挖掘出来的规则不利于理解，规则过于单一化。

技术实现思路

[0003]本专利技术的目的是针对
技术介绍
中存在的缺点和问题加以改进和创新，一种基于广义层次多粒度的电力短期预测方法。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于广义层次多粒度的电力短期预测方法，所述方法具体包括以下步骤：
[0005]步骤S1、对电力负荷量数据预处理，对数据离散化；
[0006]步骤S2、根据影响电力负荷量的属性的重要度和影响电力负荷量的粒结构的距离，筛选影响电力负荷量的属性重要度大于0.2的属性；
[0007]步骤S3、选取筛选后的影响电力负荷量的属性，通过概念层次树建立电力负荷量的层次模型；
[0008]步骤S4、根据用户需求和问题，先选取决策属性电力负荷量的层次，再根据影响电力负荷量的层次属性重要度排序，选取条件属性层次，根据时间序列，构建时序条件粒；
[0009]步骤S5、运用多粒度方法，应用不同策略，挖掘规则。
[0010]进一步的方案是，所述步骤S1数据预处理，对数据离散化具体包括：
[0011]将将影响电力负荷量的(气候、节假日、电价政策、突发事件、电力负荷量)属性值按照一定的标准划分为离散值，用0，1，...，n表示，如雾的等级可以划分为轻雾，雾，大雾，浓雾，强浓雾；日期类型可以划分为工作日，休息日；电力负荷量可以分为极低，偏低，正常，偏高，极高，根据需求可以使用某一时刻的电力负荷量数值，或者日电力负荷量作为决策属性；其他属性做相应的离散化处理。
[0012]进一步的方案是，所述步骤S2筛选影响电力负荷量的属性具体包括：
[0013]步骤21、定义电力负荷量D对影响电力负荷量属性a
i
的依赖度：
[0014]电力负荷量D对影响电力负荷量属性a
i
的依赖度定义如下式所示：
[0015][0016]其中，|POS
a
(D)|表示影响电力负荷量的属性a
i
相对决策属性电力负荷量D的正域个数，|U|表示选取电力数据的个数；
[0017]步骤22、计算影响电力负荷量的属性重要度：
[0018]定义影响电力负荷量的属性重要度；
[0019]SGF(a
i
，C，D)＝R(C，D)
‑
R(C
‑
{a
i
}，D).；
[0020]其中SGF(a，C，D)表示属性a
i
在条件属性C＝{a1，a2，...，a
n
}上相对于决策属性电力负荷量D的重要度；
[0021]步骤23、删除影响电力负荷量的属性重要度小于等于0.2的属性：
[0022]根据重要度进行排序，删除属性重要度小于等于0.2的影响电力负荷量的属性；
[0023]步骤24、计算影响电力负荷量的属性组合粒间距离：
[0024]计算影响电力负荷量的粒距离：
[0025][0026]其中，表示不同粒之间距离，K
i
表示由影响电力负荷量属性a
i
导出的粒结构U/a
i
＝{G
i
(x1)，G
i
(x2)，..，G
i
(x
l
)，...，G
i
(x
max
)}.
[0027]步骤S25、计算影响电力负荷量的属性的相似性：
[0028]以不同粒距离为基础，计算两个属性的相似性，公式为：
[0029]其中，Sim(K
i
，K
j
)表示粒结构K
i
和K
j
的相似性，d(K
i
，K
j
)表示粒结构K
i
和K
j
的距离。
[0030]步骤S26、筛选对电力负荷量影响的属性重要度大于0.2的属性，当选取信息熵数值最小的属性。
[0031]进一步的方案是，所述步骤S3中建立层次模型具体包括：
[0032]选取筛选后的影响电力负荷量的属性；
[0033]建立电力负荷量的概念层次树：
[0034]分别对每个影响电力负荷量的属性和电力负荷量决策属性层次聚类，建立概念层次树。
[0035]进一步的方案是，所述步骤S4中层次选择具体包括：
[0036]步骤S41：电力负荷量的层次模型中的第k层的影响电力负荷量的属性重要度，公式如下：
[0037][0038]其中SGF
k
(a
i
，C，D)表示层次模型的影响电力负荷量的属性重要度，表示a
i
取第k层的属性，其他属性取最细粒度的属性，表示将影响电力负荷量的属性a
i
去掉的余下条件属性；
[0039]步骤S42：电力负荷量的层次模型的影响电力负荷量的属性重要度，公式如下：
[0040][0041]其中SGF(a
i
，C，D)表示影响电力负荷量的层次属性a
i
重要度，w
j
表示影响电力负荷量的属性第j层次的权重，且每个层次权重之和这里给予每个层次同样的权重
然后进行排序；
[0042]步骤S43：构建时序(日)的影响电力负荷量的属性组合粒：以影响电力负荷量的属性重要度的排序为倒序，依次泛化各个属性层次到重要度不变化的最粗粒度层次，分别构建时序T＝{1，2，...，t}的影响电力负荷量的组合粒，表示为：
[0043]CG＝{cg1，cg2，...，cg
t
}
[0044]其中时序T＝{1，2，...，t}表示前t时刻序列。
[0045]进一步的方案是，所述步骤S5中运用多粒度方法具体包括：
[0046]采用多粒度方法，根据不同的粒，匹配规则。
[0047][0048][0049]其中分别表示采取乐观策略和悲观策略的多粒度方法，表示由条件粒cg
i
导出的等价类，表示决策属性电力负荷量第h层的第j个取值导出的等价类。
[0050]进一步的方案是，所述不同影响电力负荷量的属性组合粒本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于广义层次多粒度的电力短期预测方法，其特征在于，所述方法具体包括以下步骤：步骤S1、对电力负荷数据预处理，离散化；步骤S2、根据影响电力负荷量属性的重要度和影响电力负荷量的组合粒的距离，筛选影响电力负荷量的属性重要度大于0.2的属性；步骤S3、选取筛选后的影响电力负荷量的属性，通过概念层次树建立电力负荷量的层次模型；步骤S4、根据用户需求和电力负荷量的数据，先选取电力负荷量的属性重要度数值最大的层次，再根据层次属性重要度排序，选取影响电力负荷量的属性层次，根据时间序列，构建时序条件粒；步骤S5、运用多粒度方法，应用不同策略，根据预测的电力负荷量的特性预测待预测日的发电量。2.根据权利要求1所述的一种基于广义层次多粒度的电力短期预测方法，其特征在于，所述步骤S1数据预处理，对数据离散化具体包括：将影响电力负荷量的气候、节假日、电价政策、突发事件和电力负荷量的属性值按照一定的标准划分为离散值，用0，1，...，n表示，如雾的等级可以划分为轻雾，雾，大雾，浓雾，强浓雾；日期类型可以划分为工作日，休息日；电力负荷量可以分为极低，偏低，正常，偏高，极高，根据需求可以使用某一时刻的负荷量数值，或者日月负荷量作为决策属性；其他属性做相应的离散化处理。3.根据权利要求2所述的一种基于广义层次多粒度的电力短期预测方法，其特征在于，所述步骤S2筛选影响电力负荷量的属性具体包括：步骤21、定义电力负荷量D对影响电力负荷量属性a
i
的依赖度：电力负荷量D对影响电力负荷量属性a
i
的依赖度定义如下式所示：其中，|POS
a
(D)|表示影响电力负荷量的属性a
i
相对决策属性电力负荷量D的正域个数，|U|表示选取电力数据的个数；步骤22、计算影响电力负荷量的属性重要度：定义影响电力负荷量的属性重要度；SGF(a
i
，C，D)＝R(C，D)
‑
R(C
‑
{a
i
}，D).；其中SGF(a，C，D)表示属性a
i
在条件属性C＝{a1，a2，...，a
n
}上相对于决策属性电力负荷量D的重要度；步骤23、删除影响电力负荷量的属性重要度小于等于0.2的属性：根据重要度进行排序，删除属性重要度小于等于0.2的影响电力负荷量的属性；步骤24、计算影响电力负荷量的属性粒间距离：计算影响电力负荷量的粒距离：其中，表示不同粒之间距离，K
i
表示由影响电力负荷量属性a
i
导出的粒结构U/a
i
＝{G
i
(x1)，G
i
(x2)，...，G
i
(x
l
)，...，G
i
(x
max
)}；步骤S25、计算影响电力负荷量的属性间的相似性：以不同粒距离为基础，计算两个属
性的相似性，公式为：Sim(K
i
，K
j
)＝1
‑
d(K
i
，K
j
)其中，Sim(K
i
，K
j
)表示粒结构K
i
和K
j
的相似性，d(K...

【专利技术属性】
技术研发人员：钱进，洪承鑫，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：