一种电网系统设备部件的目标参数确定方法、系统、装置及电子设备制造方法及图纸

本发明专利技术提供了一种电网系统设备部件的目标参数确定方法、系统、装置及电子设备，所述方法包括，基于电网设备部件的参数数据库，构建电网系统设备部件参数的多元线性回归模型；基于所述多元线性回归模型，构建目标惩罚函数；其中，所述目标惩罚函数用于稳定所述多元线性回归模型中的回归系数；基于所述目标惩罚函数，获取目标自适应预测模型；获取目标电网设备部件的配置信息，将所述配置信息输入至所述目标自适应预测模型，得到目标自适应预测模型输出的所述目标电网设备部件在当前时间之后的目标参数。本发明专利技术属于电网系统技术领域，通过本发明专利技术提供的目标自适应预测模型进行电网设备部件造价预测，可以输出更准确的电网设备部件的采购价格。部件的采购价格。部件的采购价格。

【技术实现步骤摘要】
一种电网系统设备部件的目标参数确定方法、系统、装置及电子设备


[0001]本专利技术属于电网系统
，具体是一种电网系统设备部件的目标参数确定方法、系统、装置及电子设备。

技术介绍

[0002]近年来，Lasso类方法在时间序列预测方面的应用成为了研究热点之一。时间序列是具有时间索引的数据，传统的时间序列预测模型将数据和时间联系起来，更加精确地刻画了数据在时间轴上的周期性、趋势性以及季节性。以上特点能够很好地应用于具有周期性、季节性和技术趋势特点的电网系统设备部件的造价预测。长期以来，电网系统中的设备部件受到电力技术、我国电力基建工程量、以及相关地区季节性需求变化等因素的影响。但是由于缺乏电网系统能够将电网系统中的中各类部件的特征纳入到造价变化分析的预测工具，因此长期以来，在设备采购过程中，如何准确地预测未来造价变化情况并设定采购价格成为各大电力单位的难点之一。
[0003]目前多数研究是基于数据的一次拟合过程对Lasso类方法各类性质和运用展开，而在解决实际的电网系统设备部件造价的预测问题时，需要以历史采购过程中获取的价格数据为基础在时间轴上开展连续的拟合过程，Lasso和自适应Lasso模型在连续拟合时压缩保留的自变量不一致，以上模式就导致电力设备采购决策者需要花费大量时间精力快速根据变化的相关关系做出策略调整，如何快速准确地预测未来造价变化情况是一个急需解决的问题。

技术实现思路

[0004]鉴于上述问题，本专利技术实施例提供了一种电网系统设备部件的目标参数确定方法、系统、装置及电子设备，以便克服上述问题或者至少部分地解决上述问题。
[0005]本专利技术实施例的第一方面，提供了一种电网系统设备部件的目标参数确定方法，所述方法包括：
[0006]基于电网设备部件的参数数据库，构建电网系统设备部件参数的多元线性回归模型；
[0007]其中，所述参数数据库包括每种电网设备部件在当前时间之前的历史目标参数，以及与所述历史目标参数关联的历史关联参数；
[0008]基于所述多元线性回归模型，构建目标惩罚函数；其中，所述目标惩罚函数用于稳定所述多元线性回归模型中的回归系数；
[0009]基于所述目标惩罚函数，获取目标自适应预测模型；
[0010]获取目标电网设备部件的配置信息，将所述配置信息输入至所述目标自适应预测模型，得到目标自适应预测模型输出的所述目标电网设备部件在当前时间之后的目标参数；
[0011]其中，所述配置信息包括在当前时间之后的目标时间以及所述目标电网设备部件的类型与数量。
[0012]可选地，所述基于所述多元线性回归模型，构建目标惩罚函数，包括：
[0013]基于所述多元线性回归模型中的回归系数，获取预测模型；
[0014]基于所述预测模型，构建所述预测模型的惩罚项；其中，所述惩罚项用于使所述预测模型的回归系数向零收缩；
[0015]基于所述惩罚项，构建所述目标惩罚函数。
[0016]可选地，所述基于所述多元线性回归模型中的回归系数，获取预测模型，包括：
[0017]利用极大似然法对所述回归系数进行拟合，获取所述回归系数的预测模型。
[0018]可选地，所述基于所述惩罚项，构建所述目标惩罚函数，还包括：
[0019]获取惩罚参数；其中，所述惩罚参数用于控制所述惩罚项在目标时间内的稳定；
[0020]基于所述惩罚参数与所述惩罚项，构建所述目标惩罚函数。
[0021]可选地，所述基于所述目标惩罚函数，获取目标自适应预测模型，包括：
[0022]基于所述惩罚项，构建所述预测模型的惩罚权重；其中，所述惩罚权重用于修正所述预测模型的预测偏差；
[0023]基于所述预测模型、所述惩罚项及所述惩罚权重，获取自适应预测模型；
[0024]利用所述惩罚函数对所述自适应预测模型进行约束，获取所述目标自适应预测模型。
[0025]可选地，所述获取目标电网设备部件的配置信息之前，所述方法还包括：
[0026]构建模型一致性指标；其中，所述模型一致性指标用于校验所述目标自适应预测模型的稳定性；
[0027]获取目标电网设备部件的配置信息，包括：
[0028]在所述目标自适应预测模型的稳定性满足目标稳定指标的情况下，获取所述目标电网设备部件的配置信息。
[0029]可选地，所述构建模型一致性指标，包括：
[0030]对所述目标自适应预测模型进行滚动拟合，获取滚动拟合的非零系数的自变量集合与零系数的自变量集合；
[0031]基于所述非零系数的自变量集合与所述零系数的自变量集合，构建所述模型一致性指标。
[0032]本专利技术实施例第二方面，提供了一种电网系统设备部件的目标参数确定系统，所述系统包括：参数数据库，信息输入端、模型构建端和输出端；所述参数数据库中包括电网系统设备部件在当前时间之前的历史目标参数，以及与所述历史目标参数关联的历史关联参数；
[0033]所述信息输入端，用于向所述模型构建端上传目标电网设备部件的配置信息；
[0034]所述模型构建端，用于执行本专利技术实施例第一方面提供的方法；
[0035]所述输出端，用于获取所述目标电网设备部件在当前时间之后的目标参数，并将所述目标参数进行显示和/或发送给目标用户。
[0036]本专利技术实施例第三方面，提供了一种电网系统设备部件的目标参数确定系统装置，所述装置包括：
[0037]第一构建模块，用于基于电网设备部件的参数数据库，构建电网系统设备部件参数的多元线性回归模型；
[0038]其中，所述参数数据库包括每种电网设备部件在当前时间之前的历史目标参数，以及与所述历史目标参数关联的历史关联参数；
[0039]第二构建模块，用于基于所述多元线性回归模型，构建目标惩罚函数；其中，所述目标惩罚函数用于稳定所述多元线性回归模型中的回归系数；
[0040]获取模块，用于基于所述目标惩罚函数，获取目标自适应预测模型；
[0041]输出模块，用于获取目标电网设备部件的配置信息，将所述配置信息输入至所述目标自适应预测模型，得到目标自适应预测模型输出的所述目标电网设备部件在当前时间之后的目标参数；
[0042]其中，所述配置信息包括在当前时间之后的目标时间以及所述目标电网设备部件的类型与数量。
[0043]本专利技术实施例第四方面，提供了一种电子设备，所述电子设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如本专利技术实施例第一方面所述的电网系统设备部件的目标参数确定方法。
[0044]通过本专利技术提供的方法，首先建立电网设备部件的参数数据库，构建电网系统设备部件参数的多元线性回归模型；其中，参数数据库包括每种电网设备部件在当前时间之前的历史目标参数，以及与所述历史目标参数关联的历史关联参数；在根据多元线性回归模型，构建目标惩罚函数；其中，所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网系统设备部件的目标参数确定方法，其特征在于，所述方法包括：基于电网设备部件的参数数据库，构建电网系统设备部件参数的多元线性回归模型；其中，所述参数数据库包括每种电网设备部件在当前时间之前的历史目标参数，以及与所述历史目标参数关联的历史关联参数；基于所述多元线性回归模型，构建目标惩罚函数；其中，所述目标惩罚函数用于稳定所述多元线性回归模型中的回归系数；基于所述目标惩罚函数，获取目标自适应预测模型；获取目标电网设备部件的配置信息，将所述配置信息输入至所述目标自适应预测模型，得到目标自适应预测模型输出的所述目标电网设备部件在当前时间之后的目标参数；其中，所述配置信息包括在当前时间之后的目标时间以及所述目标电网设备部件的类型与数量。2.根据权利要求1所述的方法，其特征在于，所述基于所述多元线性回归模型，构建目标惩罚函数，包括：基于所述多元线性回归模型中的回归系数，获取预测模型；基于所述预测模型，构建所述预测模型的惩罚项；其中，所述惩罚项用于使所述预测模型的回归系数向零收缩；基于所述惩罚项，构建所述目标惩罚函数。3.根据权利要求2所述的方法，其特征在于，所述基于所述多元线性回归模型中的回归系数，获取预测模型，包括：利用极大似然法对所述回归系数进行拟合，获取所述回归系数的预测模型。4.根据权利要求2所述的方法，其特征在于，所述基于所述惩罚项，构建所述目标惩罚函数，还包括：获取惩罚参数；其中，所述惩罚参数用于控制所述惩罚项在目标时间内的稳定；基于所述惩罚参数与所述惩罚项，构建所述目标惩罚函数。5.根据权利要求2所述的方法，其特征在于，所述基于所述目标惩罚函数，获取目标自适应预测模型，包括：基于所述惩罚项，构建所述预测模型的惩罚权重；其中，所述惩罚权重用于修正所述预测模型的预测偏差；基于所述预测模型、所述惩罚项及所述惩罚权重，获取自适应预测模型；利用所述惩罚函数对所述自适应预测模型进行约束，获取所述目标自适应预测模型。6.根据权利要求1所述的方法，其特征在于，所述获取目标电网设备部件的配置信息之前，所述方法还包括：构建模型一致性指标；其中，所述模型一致性指标用于校验所述目标自适应预测模型的稳...

【专利技术属性】
技术研发人员：王铮，齐屹，刘尚科，肖艳利，刘小敏，白斌，刘媛媛，孙赓，白春叶，赵瑞，
申请(专利权)人：国网宁夏电力有限公司经济技术研究院，
类型：发明
国别省市：