一种基于灰色关联分析的电力负荷影响因素方法及设备技术

本发明专利技术涉及电力系统自动化技术，具体涉及一种基于灰色关联分析的电力负荷影响因素方法，利用灰色关联分析来研究电力负荷预测与其影响因素之间的关联度，评估不同条件变动对电力负荷预测的影响程度，以确定主要影响电力负荷预测的因素

【技术实现步骤摘要】
一种基于灰色关联分析的电力负荷影响因素方法及设备


[0001]本专利技术属于电力系统自动化
，尤其涉及一种基于灰色关联分析的电力负荷影响因素方法及设备
。

技术介绍

[0002]随着电力行业的不断发展，人们用电的需求也在激增
。
电力对于保证经济的健康发展和社会的正常运行有着极为重要的意义
。
由于电和人类的生活息息相关，使得供电稳定成为必然，因此，只有精确分析电力负荷的变化规律，才能保证电网的经济稳定运行，即要确保高效
、
准确
、
稳定的电力负荷预测
。
在电力系统的规划建设以及经济运行中，电力负荷预测起到了关键作用，良好的电力负荷预测方法，可以为电力系统规划和运行提供可靠的决策依据
。
[0003]电力负荷预测是目前各国电力部门十分重要的任务之一
。
其中电力负荷是指某地区在某一时刻的电力需求量，而预测是指运用一系列数学方法来研究过去一段时间或某些时刻所消耗电力负荷的值，利用这些数值之间的联系来预测未来一段时间的负荷值
。
寻找电力负荷预测的主要影响因素对于电力负荷的准确预测方面具有重要意义
。
目前在寻找电力负荷预测的影响因素方法中存在几个问题
。
首先，数据缺失和质量问题可能会影响模型的准确性和可靠性，因为电力负荷预测需要大量的历史负荷数据和相关影响因素数据
。
其次，在确定影响因素的选择和权重时，存在挑战，选择过多或不恰当的因素可能导致预测结果的过拟合或欠拟合
。
另外，一些方法可能缺乏动态性和实时性，无法及时更新和调整预测结果以反映实际的变化和新的影响因素
。
最后，尽管现有方法可以提高预测准确性，但仍存在预测精度的限制，复杂的系统变化
、
突发事件和不确定的外部因素可能导致预测误差
。
因此，改进和完善寻找电力负荷预测的影响因素方法是必要的
。
[0004]而灰色关联分析算法可以在一个灰色系统中，衡量某个项目受其他的因素影响的相对强弱
。
灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密
。
曲线越接近，相应序列之间的关联度就越大，反之就越小
。
这样可以明显观察出不同影响因素的关联度
。
灰色关联分析法的优势在于，它弥补了采用数理统计方法系统分析所导致的缺憾，对样本量的多少和样本有无规律都适用，而且计算量小，十分方便，更不会出现与定性结果不符合的情况
。

技术实现思路

[0005]本专利技术提供一种基于灰色关联分析的电力负荷影响因素方法，利用灰色关联分析来研究电力负荷预测与其影响因素之间的关联度，评估不同条件变动对电力负荷预测的影响程度，以确定主要影响电力负荷预测的因素
。
一般情况下，电力负荷会按照年
、
周
、
日的规律性变化
。
然而，在实际情况中，电力负荷会受到多种外界因素的影响
。
负荷功率随负荷点端电压变动而变化的规律，称为负荷的电压特性；负荷功率随电力系统频率改变而变化的规律，称为负荷的频率特性
。
负荷的电压特性和负荷的频率特性统称为负荷特性
。
[0006]本专利技术选取季节变化进行分析，并研究它们对电力负荷的电压和频率的影响
。
然后，通过分析这些负荷特性，识别对电力负荷预测有影响的因素
。
为实现基于灰色关联分析算法的电力负荷预测影响因素研究方法，包括以下步骤：
[0007]步骤
1.
获取不同季节电力负荷的原始数据；
[0008]步骤
2.
将获取的原始数据排列成矩阵；
[0009]步骤
3.
选取子序列和母序列；
[0010]步骤
4.
采用初值法对母序列和子序列的每个指标进行无量纲化处理；
[0011]步骤
5.
计算差值矩阵，并求出最小差和最大差；
[0012]步骤
6.
计算子序列中各个指标与母序列的关联系数；
[0013]步骤
7.
通过关联系统求得关系度并进行排序
。
[0014]根据本专利技术提供的一种基于灰色关联分析的电力负荷影响因素方法，由于季节变化对电力负荷的电压
、
频率的影响不同
。
从每个季节中挑选一个季节中的一天来分析天气因素对电力负荷的影响，其中春季挑选3月
20
日
、
夏季挑选6月
20
日
、
秋季挑选9月
20
日
、
冬季挑选
12
月
20
日，利用这四天的数据进行对比分析
。
[0015]根据本专利技术提供的一种基于灰色关联分析的电力负荷影响因素方法，在使用灰色关联分析算法前，把原始数据组成的矩阵记为
X
[0016][0017]X
是一个
n
行，
p
列的矩阵
。
其中
n
指的是不同的场景；
p
是电力负荷预测其条件
。
本方法中选取的条件有春季
、
夏季
、
秋季
、
冬季
。
[0018]根据本专利技术提供的一种基于灰色关联分析的电力负荷影响因素方法，首先要选择母序列和子序列，母序列
(
又称参考序列
)
为能反映系统应为特征的数据序列，其类似于因变量
Y
，此处记为
x0。
子序列
(
又称比较序列
)
为影响系统行为的因素组成的数据序列，其类似于自变量
X
，此处记为
x1,x2,
…
,x
t
。
[0019]选取电力负荷预测为母序列，其他条件如春季
、
夏季
、
秋季
、
冬季为子序列
。
[0020]根据本专利技术提供的一种基于灰色关联分析的电力负荷影响因素方法，开始无量纲化处理，对变量进行预处理的目的是去除量纲的影响且缩小变量范围简化计算
。
本方法采用初值法对母序列和子序列的每个指标进行无量纲化处理，就是把这一个序列的数据统一除以最开始的值，由于同一个因素的序列的量级差别不大，所以通过除以初值就能将这些值都整理到1这个量级附近
。
[0021]设归一化矩阵为
Z
，
Z
中元素记为
Z
ij
：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于灰色关联分析的电力负荷影响因素方法，其特征在于，包括以下步骤：获取不同季节电力负荷的原始数据；将获取的原始数据组成矩阵；选取子序列和母序列；采用初值法对母序列和子序列的每个指标进行无量纲化处理；计算差值矩阵，并求出最小差和最大差；计算子序列中各个指标与母序列的关联系数；通过关联系统求得关系度并进行排序
。2.
根据权利要求1所述基于灰色关联分析的电力负荷影响因素方法，其特征在于，获取不同季节电力负荷的数据组成矩阵包括从每个季节中挑选一个季节中的一天来分析天气因素对电力负荷的影响；其中，春季挑选3月
20
日
、
夏季挑选6月
20
日
、
秋季挑选9月
20
日
、
冬季挑选
12
月
20
日，利用这四天的数据进行对比分析；原始数据组成的矩阵为：
X
是一个
n
行，
p
列的矩阵；其中
n
指的是不同的场景；
p
是电力负荷预测其条件；选取的条件是春季
、
夏季
、
秋季
、
冬季
。3.
根据权利要求1所述基于灰色关联分析的电力负荷影响因素方法，其特征在于，选取电力负荷预测母序列，记为
x0；选取春季
、
夏季
、
秋季
、
冬季为子序列，记为
x1,x2,
…
,x
t
。4.
根据权利要求1所述基于灰色关联分析的电力负荷影响因素方法，其特征在于，无量纲化处理包括：设归一化矩阵为
Z
，
Z
中元素记为
Z
ij
：得到归一化矩阵
Z
：归一化矩阵
Z
是一个
i
行，
j
列的矩阵且
i
＝
n
，
p
＝
j。5.
根据权利要求1所述基于灰色关联分析的电力负...

【专利技术属性】
技术研发人员：徐可，熊浩，李芳亚，杨帆，李晶，吴优，蒋晶晶，汤谦平，梁书琴，胡雯，孙思友，乐卫东，张艳，马乐，顾敏，徐箭，廖思阳，
申请(专利权)人：国网湖北省电力有限公司孝感供电公司，
类型：发明
国别省市：