遥测电力负荷特性的分类和预测方法技术

本发明专利技术涉及遥测电力负荷特性的分类和预测方法，特别是能够以度量仪表的远程查表或配电变压器的无线负荷监视的方式进行遥测，对电力设备的负荷特性周期性地生成的数据进行群集化和分类，并分析连续的按时间带区别的负荷特性，生成因设备的区分方式而不同的负荷特性的分类规则，利用被分类的代表负荷特性和设备的属性，能够对没有进行计测（以下称为未计测）设备的负荷特性进行预测。由此，能够实现按照电力需要组群区别的负荷特性和电力使用状态的分析，并且能够提高负荷预测准确性、实现外部要因的敏感度分析、设备更换基准的建立以及提供用于寿命评价技术开发的核心知识。另外，本发明专利技术还能够应用于遥测的电力设备的负荷特性的数据。

【技术实现步骤摘要】

本专利技术涉及遥测电力负荷特性(load pattern)的分类和预测方法。
技术介绍
根据电力产业的特性，电力设备和用户的度量仪表散布在全国，对于设备的过负荷、低电压等电力品质的监视以及用于稳定供给电力的电力设备的控制、用于获得电力使用量的远程查表等遥测是经由有/无线通信网进行的。这种设备的遥测正在推广中，并且大力推进有关负荷分布图(profile)的技术开发。特别是，为了通过远程查表数据的负荷分析来改善收费制度、改革用户服务以及提供附加值、树立经营战略、满足电力供需以及开发能源政策、树立设备投资计划等使用目的，正在尝试各种研究。 然而，现有的负荷分布图分析技术仅能够区分平日与休息日，构成以1日为单位的电力使用量矢量，并且仅限于通过按照季节、年度进行分析把握整体上的负荷状态，此时，由于月初和月末的平日负荷以相同方式生成，因此无法实现每日变化的负荷特性的分析以及连续的按照时间带区别的负荷分析和预测。另外，大部分的负荷分析，仅限于进行群集化并抽取代表性的负荷特性，并且在预测中以现有的被计测的负荷今后将如何变化等为焦点的未来预测技术为主流。即，并未适用使用计测设备的属性的分类和相对未计测设备的负荷特性的预测技术或方法论。
技术实现思路
本专利技术针对如上述的现有问题而提出，其目的在于，提供遥测的电力负荷的按照时间带区别的连续的特性的群集化和分类、未计测设备的预测方法。 另外，本专利技术涉及，特别是其目的在于，如远程查表或变压器的无线负荷监视那样，对于进行遥测而周期性地生成的电力设备的负荷特性的数据进行群集化和分类，并对负荷特性进行分析而能够使其反映到针对电力的供给和需要的计划中，利用被分类的代表负荷特性和设备属性对因用户的设置回避或计测装置的设置困难、设置费用的负担等而未计测的电力设备的负荷特性进行预测，并节省计测费用。 为了实现上述目的，本专利技术适用了大容量数据的收集和处理技术、时间数据挖掘(Data Mining)技术、高性能统计处理技术、负荷模拟技术和解析技术。通过按照时间带区别的连续的负荷特性的群集化，生成按照群集区别的代表负荷特性，利用遥测而得的设备的属性信息和代表负荷特性进行分类，能够将未计测设备的属性适用于分类模型来预测负荷特性。 本专利技术的目的可通过来实现，该包括收集步骤，其收集遥测数据；数据的前处理步骤，其包含从上述遥测数据抽取分层样本，并从样本数据中对错误和异常值进行清除处理的过程；正规化步骤，其对上述前处理后的数据按要分析的规定的期间单位来构成矢量，并以使遥测值分布于特定范围内的方式进行正规化作业；群集化步骤，其对上述正规化后的数据进行群集化而生成代表负荷特性；分类步骤，其基于计测设备的属性信息来进行分类；预测步骤，其基于未计测设备的属性来分配群集，并对未计测设备的负荷特性进行预测。 根据本专利技术的优选实施方式，上述群集化步骤中可以通过再现性评价方法来进行群集分析处理，该评价方法中将正规化数据分割为训练数据和试验数据，在输入k值后，适用群集化模型来生成交叉分类表，从而确定最佳的k值。 根据本专利技术的优选实施方式，上述分类步骤可以包括使用群集化结果和计测设备信息来进行决策树结构的分类。 根据本专利技术的优选实施方式，对上述计测设备的属性而言，在远程查表数据的情况下，作为用户特性信息，可以包括契约种类、契约电力、电气使用的用途、产业分类、供电方式、地域区分、月查表量，在变压器的无线负荷监视数据的情况下，作为变压器特性信息，可以包括容量、电灯收容户数、动力收容户数、负荷地域特性和从该变压器供给的用户的契约种类、契约电力、电气使用的用途、高压/低压的区分以及月使用量。 根据本专利技术的优选实施方式，上述未计测设备的负荷特性的预测，可以以与群集化结果和计测设备的属性相同的方式，将未计测设备的属性按照作为分类模型的结果的决策树分配群集，并将所分配的群集的正规化后的代表负荷特性复原为本来的负荷量来预测未计测设备的负荷特性。 如上所述，根据本专利技术，当通过按照时间带区别的连续的负荷特性的群集化而生成按照群集区别的代表负荷特性时，在远程查表数据的情况下，通过用户的代表负荷特性能够进行负荷特性和电力使用状态的分析，并且能够提供为了提高负荷预测准确性、实现按照电力需要组群区别的外部要因(天气、经济增长率等)的敏感度分析、针对价格系统进行模拟和改善、根据负荷特性提供个性化的用户服务，以及树立经营战略等而成为核心的知识。在变压器的无线负荷监视数据的情况下，能够进行变压器的负荷特性的特点分析，并且能够应用于与负荷特性对应的变压器更换基准的建立和寿命评价的研究。 如果将群集化的负荷特性按照设备属性进行分类，则在现有状态下，能够把握针对设备区分方式负荷特性如何被分类。在远程查表数据的情况下，通过用户的契约种类、契约电力、产业分类、电气使用的用途、月查表量等的区分来对负荷特性进行分类，在变压器的无线负荷监视数据的情况下，通过变压器的容量、地域特性、所供给的用户的特性信息的区分来对负荷特性进行分类。由此，能够预测未计测电力设备的负荷特性，且能够应用于未来的具有连续性的按照时间带区别的负荷预测中。可以说本专利技术应用范围广泛，其不仅能够适用于远程查表、变压器的无线负荷监视，而且还能够适应于如配电自动化、送变电设备的负荷监视那样的进行遥测的电力设备的负荷特性的数据。 附图说明 图1是表示本专利技术涉及的的流程图。 图2是表示群集化方法的流程图。 图3是表示远程查表数据的群集化中的交叉分类表的例示图。 图4是表示远程查表用户的代表负荷特性的生成结果的例示图。 图5是表示远程查表用户的决策树的例示图。 具体实施例方式 以下，参照附图对本专利技术进行详细说明。 图1为表示本专利技术涉及的的流程图。 参照图1，本专利技术首先在步骤1中将遥测数据与数据库或文件联系起来，在步骤2中进行前处理。这里，作为遥测数据，对应于用户远程查表数据、变压器的无线负荷监视数据、自动化开闭器的电力品质监视数据、送变电设备的负荷监视数据。前处理作业可以包含样本抽取和异常值清除处理。作为样本抽取适用分层取样(Stratified Sample)抽取技术，以针对关注项目按不同的频度进行收容。分层取样中，当大容量数据集合D被分割成称为层(Strata)的相互分离的部分时，通过在各层中获得1个简单随机样本(Simple Random Sample)来生成D的分层样本。例如，在远程查表数据的情况下，相对于关注项目的契约类别和契约电力，数据的频度为非对称的，因此按照总体的频度来抽取样本。 收集的数据中所含的错误和异常值(Outlier)数据会导致群集分析的性能显著降低，从而必须进行用于数据精制的前处理作业。在原始远程查表数据的情况下，将1日没有96个数据或者1日有效电力之和小于1的当日数据除去。在15分钟为单位时，最小查表量在契约电力为街灯时为0.08，而1以下则视为无法正常查表。另外，为了进行异常值处理，而适用数据精制技术中的SOM(Self-Organizing feature Map)群集化算法。构成矩阵为10乘10(100群集)的群集中所含的数据对象为1以下的群集结果，被当作异常值而除去。 当前处理完成时，在步骤3中进行正规化作业，以对前处理的数据进行分析的周期例如月、周、日、本文档来自技高网...

【技术保护点】
一种遥测电力负荷特性的分类和预测方法，其特征在于，包括：收集步骤，其收集遥测数据；数据的前处理步骤，其包含从上述遥测数据抽取分层样本，并从样本数据中对错误和异常值进行清除处理的过程；正规化步骤，其对上述前处理后的数据按要分析的规定的期间单位来构成矢量，并以使遥测值分布于特定范围内的方式进行正规化作业；群集化步骤，其对上述正规化后的数据进行群集化而生成代表负荷特性；分类步骤，其基于计测设备的属性信息来进行分类；预测步骤，其基于未计测设备的属性来分配群集，并对未计测设备的负荷特性进行预测。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：辛镇浩，金荣一，李俸在，梁日权，
申请(专利权)人：韩国电力公社，
类型：发明
国别省市：KR[韩国]