一种针对电网时序数据的分类方法技术

本发明专利技术提供一种针对电网时序数据的分类方法。所述针对电网时序数据的分类方法包括以下步骤：S1.收集电网的时序数据；S2.对收集的电网时序数据进行预处理；S3.将处理完成的实时电网时序数据划分成K个固定段；S4.根据训练预测器进行预测值计算，然后根据实际下一序列值与预测值比较，产生预测误差平均值，其预测误差平均值决定序列属于某类别。本发明专利技术提供的针对电网时序数据的分类方法利用人工智能方法根据电网的时序消耗数据自动对不同类型的用电消费种群进行分类，而且可以检测测量错误或估计预期消耗，进而可以提高电力运输和需求供应管理效率的优点。供应管理效率的优点。供应管理效率的优点。

【技术实现步骤摘要】
一种针对电网时序数据的分类方法


[0001]本专利技术属于电网时序数据的分类
，尤其涉及一种针对电网时序数据的分类方法。

技术介绍

[0002]不同消费种群可能由不同参数、费率的电力供应商提高电力服务，为提高电力系统的管理效率，对消费者进行自动分类有益于提供个性化供电服务，差异化营销手段，提升服务质量。目前对于电网数据的研究主要针对电网负荷数据分析和电网数据的存储与运输。电网负荷数据的分析主要是为了提高各地区电力调度的能力，对电网负荷数据进行分类首先需要收集大量数据，基于k
‑
means算法度电力数据进行分析与预测。通过大数据的关联分析，递增电网数据的维度，提供了一个电力数据的模型。这种方法首先需要建立电网数据的数学模型，依赖大数据的云计算能力，计算耗时长，效率较差。于是，不少学者对其进行改进，通过神经网络算法针对数据集进行改进，以采样技术为中心，改变了数据集的识别能力，并创建原始数据集和测试数据集作为电网负荷数据的分类样本，进而增强电网负荷数据的分类效率。研究电网数据的存储与运输主要是为了能够对电网数据在安全的环境下进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对电网时序数据的分类方法，其特征在于，包括以下步骤：S1.收集电网的时序数据；S2.对收集的电网时序数据进行预处理；S3.将处理完成的实时电网时序数据划分成K个固定段；S4.根据训练预测器进行预测值计算，然后根据实际下一序列值与预测值比较，产生预测误差平均值，其预测误差平均值决定序列属于某类别。2.根据权利要求1所述的针对电网时序数据的分类方法，其特征在于：所述步骤S2中的数据预处理包括有：清理异常值等。3.根据权利要求1所述的针对电网时序数据的分类方法，其特征在于：所述步骤S4中的训练预测器步骤包括如下：(1).将电网时序数据送入人工神经网络中，学习到权重参数W；(2).利用学习到的权重参数对测试集进行测试，得到该序列属于的消费者类别。4.根据权利要求3所述的针对电网时序数据的分类方法，其特征在于：所述测试计算包括以下步骤：(1).输入消费者的总类别数M，记第i个消费者类别为C
(i)
,则相应的预测器记为Γ
(i)
(.),通过使用来自相应时间序列的样本来组成预测方法的训练集：时间序列元素之间相关性中的固有信息可用于预测即将出现的值...

【专利技术属性】
技术研发人员：李艺丰，丁超杰，曹帅，张振华，赵玉林，李蓝青，王博仑，王余阳，
申请(专利权)人：南京通衡信息科技有限公司李艺丰，
类型：发明
国别省市：