【技术实现步骤摘要】
本专利技术属于电力信息处理，尤其涉及一种基于预测跟踪控制的电量波动异常识别方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、现货计量数据准确是支撑电力现货交易开展的基础。当前电力现货市场，抄表核算由“月抄月结”转变为“日清月结”，即从传统的每月抄表日的0点电能表冻结抄表，转变为每日0点整点冻结抄表，用电数据采集、传输、处理量均呈指数级增长，“日清月结”的抄表、采集、数据推送频次为“月抄月结”处理量的720倍，电量结算频次增长至30倍。
3、专利技术人发现，在实际数据采集过程中，受终端故障、信道故障、采集系统异常等问题影响，采集数据中存在非表计计量异常的电量异常数据，严重影响现货交易的正常开展。同时，由于及时、准确电量采集数据决定了结算数据的有效性，故对采集数据质量提出了更高的要求。虽然当前存在部分关于现货计量数据异常判定处理的研究，但是由于搜集获取的现货交易电量异常样本数据少，采用机器学习/深度学习均难以完成较高准确度的模型构建，且当前采用lstm/gr...
【技术保护点】
1.基于预测跟踪控制的电量波动异常识别方法，其特征在于，包括：
2.如权利要求1所述的基于预测跟踪控制的电量波动异常识别方法，其特征在于，所述结合预测跟踪控制对模型参数进行二次优化微调，具体为：基于预测跟踪控制建立目标函数，确保短期电量预测数据能够对交易电量短期变量信息进行有效跟踪，并筛选出最大预测时序步长。
3.如权利要求1所述的基于预测跟踪控制的电量波动异常识别方法，其特征在于，所述预测跟踪控制的控制目标为：在连续时间步内，最小化预测数据与实际数据的总量误差；以及，在现货交易电量采集数据异常时，通过最小化预测电量数据与实际交易电量数据的跳变...
【技术特征摘要】
1.基于预测跟踪控制的电量波动异常识别方法，其特征在于，包括：
2.如权利要求1所述的基于预测跟踪控制的电量波动异常识别方法，其特征在于，所述结合预测跟踪控制对模型参数进行二次优化微调，具体为：基于预测跟踪控制建立目标函数，确保短期电量预测数据能够对交易电量短期变量信息进行有效跟踪，并筛选出最大预测时序步长。
3.如权利要求1所述的基于预测跟踪控制的电量波动异常识别方法，其特征在于，所述预测跟踪控制的控制目标为：在连续时间步内，最小化预测数据与实际数据的总量误差；以及，在现货交易电量采集数据异常时，通过最小化预测电量数据与实际交易电量数据的跳变量与跳变时间距离，确保模型捕获外部状态数据变动规律。
4.如权利要求1所述的基于预测跟踪控制的电量波动异常识别方法，其特征在于，所述审核条件的生成，具体为：利用训练好的用户短期电量预测模型，对获取的所述样本数据集中的异常样本进行电量的短期预测，获取用户短期预测电量，基于预设的日交易电量异常和小时级交易电量异常初始审核条件，对现货交易节点电量采集数据异常进行判别，并根据异常判断结果对初始审核条件的设定阈值进行优化，直至所有异常样本均被识别，获得最终的审核条件。
5.如权利要求1所述的基于预测...
【专利技术属性】
技术研发人员：刘淑磊，姜鹏，王鹏，朱红霞，王建华，李鹏飞，何荣凯，
申请(专利权)人：国网山东省电力公司，
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。