System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电路系统智能诊断和优化领域,具体涉及含分布式光伏低压配电台区异常数据修复方法及系统。
技术介绍
1、随着分布式光伏大规模的接入,少数用户使用不正当的技术手段,通过光伏发电获取不合法的利益,阻碍国家节能降损。然而当前对于用户异常用电行为的检测和处理研究中,大部分研究是针对普通用户进行异常行为的检测,其中对于光伏用户的异常行为检测的研究比较少。
2、对于用户异常用电行为的检测方面,分类的用户异常用电行为检测方法一般都是通过带标签的训练样本,对算法进行训练,形成一定的分类规则,根据形成的分类规则去判断待测样本将其分为某一类别。例如公布号为cn116011153a的现有专利技术专利申请文献《基于光-荷相关性增强可信度的配电网可靠性评估方法》,包括:输入配电网可靠性原始数据;根据历史光伏、负荷功率数据建立光-荷联合概率分布函数;根据建立的光-荷联合概率分布函数生成考虑时序相关性的光-荷典型场景;构建配电网可靠性评估模型;基于光-荷典型场景和配电网可靠性评估模型研究分布式光伏与储能接入配电网之后的可靠性运行策略来进行配电网可靠性评估。但前述现有技术参数优化复杂,结果可靠性依赖于数据准确性和优化算法效果。回归分析的用户异常用电行为检测方法则是通过对目标用户用电行为的预测,得到用户用电的预测数据,根据目标用户实际数据和预测数据的差值进行异常用电的判断。例如公布号为cn113052386a的现有专利技术专利申请文献《基于随机森林算法的分布式光伏日发电量预测方法和装置》,该现有方法包括,利用由光伏电站的多个发电量样本组成的
3、对于用户异常用电行为的处理方面,主要有基于模型和基于功率平衡两种方法。基于模型的方法是通过建立一个预测模型,然后使用该模型对异常数据进行预测。但是需要大量标记的数据,且对异常数据过拟合。基于功率平衡法是基于电力系统功率平衡原理,各个节点输入和输出功率平衡对异常数据进行还原。这种方法要求系统的物理特性能够很好地描述节点之间的功率平衡关系,但在某些复杂或特殊的情况下,该方法可能不适用。
4、综上,现有技术存在对用户数据可靠性和准确性依赖程度较高、异常检测及修复精度低的技术问题。
技术实现思路
1、本专利技术所要解决的技术问题在于:如何解决现有技术中对用户数据可靠性和准确性依赖程度较高、异常检测及修复精度低的技术问题。
2、本专利技术是采用以下技术方案解决上述技术问题的:含分布式光伏低压配电台区异常数据修复方法包括:
3、s1、获取分布式光伏台区的用户历史样本数据,求取并根据ch指标选取聚类数目,对用户历史负荷数据进行k-means聚类,以得到聚类中心曲线;
4、s2、根据历史数据聚类结果,处理得到对应可行域矩阵,结合分布式光伏台区的用户信息中的待测日测量数据、聚类中心曲线,以进行相关性分析,据以定位台区异常用户并获取用户待测曲线;
5、s3、利用斯皮尔曼相关系数法,对用户待测曲线、聚类中心曲线进行相关性分析,以得到用户待测曲线与各聚类中心曲线之间的相关系数,据以将用户待测曲线分配至对应类别,对比用户待测数据中的采集点,与其自身的可行域,据以判定获取异常数据;
6、s4、根据对应类别,对异常数据中的异常点进行重构处理,并结合用户当天的用电趋势数据,修复异常数据。
7、本专利技术能有效解决含分布式光伏低压配电台区异常数据修复问题,并提出还原异常数据方法,维护社会公平,对不法用户进行处罚提供准确、可靠的依据,保证惩罚的合理性和有效性。本专利技术利用用户历史数据并考虑光伏用户数据,利用k-means聚类,根据ch指标选取相应的聚类簇数,降低了用户数据可靠性和准确性要求。
8、在更具体的技术方案中,步骤s1包括:
9、s11、获取用户历史数据,选取光伏用户温度、历史光伏数据;
10、s12、利用下述逻辑,计算ch指标,据以选择k值,以作为聚类数目;
11、
12、式(1)中,ne表示类别e包含的点数,bk为类间距离,wk为类内部的距离;
13、s13、根据k值,利用k-means聚类算法,将用户历史数据聚类为k类,得到聚类后历史数据x以及聚类中心曲线。
14、在更具体的技术方案中,步骤s12中,利用下述逻辑分别求取类间距离bk、类内部
15、的距离wk:
16、
17、
18、上式(2)中,q表示第q类;cq表示q类的聚类中心;ce表示类e的中心;nq表示类别q包含的点数;上式(3)中,cq表示当前点所在的类q;x表示类q中的数。
19、在更具体的技术方案中,步骤s13中,以下述逻辑表达聚类后历史数据x:
20、
21、上式(4)中,行向量表示用户功率数据:{xi1,xi2,…,…xim}(1≤i≤n),纵向量表示为同一时刻的n天的用户数据:{x1j,x2j,…,…xnj}(1≤j≤m)。
22、在更具体的技术方案中,步骤s2包括:
23、s21、利用下述逻辑,求解聚类后历史数据x的第j时刻的阈值区间;
24、fj=[xjmax,xjmin] (5)
25、上式(5)中,xjmax为第j时刻用户数据的最大值,xjmin为第j时刻用户数据的最小值;
26、s22、利用式(5)处理全部时刻的用户聚类曲线,以得到对应可行域矩阵;
27、s23、将待测日测量数据代入对应可行域矩阵,将超出对应可行域矩阵范围的时刻点对应的用户作为台区异常用户。
28、在更具体的技术方案中,步骤s22中,利用下述逻辑表达对应可行域矩阵ffeasible;
29、
30、本专利技术求出聚类数据相应的可行域矩阵,利用斯皮尔曼相关系数求出待测日的用户曲线与聚类中心曲线的相关性,将待测日的用户曲线与相关性最大的聚类簇的可行域进行异常检测,有效提高了异常检测精度。
31、在更具体的技术方案中,步骤s4包括:
32、s41、对异常数据的负荷曲线,确定符合曲线所属聚类、对应的聚类中心曲线;
33、s42、在第j个负荷数据为异常数据时,还原普通用户的异常数据,据以得到修复后数据;
34、s43、衡量得到修复后数据与真实值之间的平均绝对百分比误差。
35、本专利技术采用聚类的方法进行异常数据的修复,将数据按照相似性分为若干类,根据待测数据所在的类别对异常点进行重构,对异常数据进行修复,该方法丰富了异常数据修复方法本文档来自技高网...
【技术保护点】
1.含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述方法包括:
2.根据权利要求1所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤S1包括:
3.根据权利要求2所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤S12中,利用下述逻辑分别求取所述类间距离Bk、所述类内部的距离Wk:
4.根据权利要求2所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤S13中,以下述逻辑表达所述聚类后历史数据X:
5.含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤S2包括:
6.根据权利要求5所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤S22中,利用下述逻辑表达所述对应可行域矩阵Ffeasible;
7.根据权利要求1所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤S4包括:
8.根据权利要求1所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤S42中,利用下述逻辑,还原所述
9.根据权利要求7所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤S43中,利用下述逻辑衡量得到所述平均绝对百分比误差:
10.含分布式光伏低压配电台区异常数据修复系统,其特征在于,所述系统包括:
...【技术特征摘要】
1.含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述方法包括:
2.根据权利要求1所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤s1包括:
3.根据权利要求2所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤s12中,利用下述逻辑分别求取所述类间距离bk、所述类内部的距离wk:
4.根据权利要求2所述的含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤s13中,以下述逻辑表达所述聚类后历史数据x:
5.含分布式光伏低压配电台区异常数据修复方法,其特征在于,所述步骤s2包括:
6.根据权利要求5所述的含分布式光...
【专利技术属性】
技术研发人员:仇茹嘉,吴红斌,徐斌,黄道友,张征凯,韩平平,何叶,倪静怡,王小明,潘丽珠,王桢,毛荀,
申请(专利权)人:合肥工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。