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】
本专利技术属于配电网负荷优化,具体涉及一种负荷特征提取方法、装置、设备及介质。
技术介绍
1、随着新型电力系统建设,产生新型发用电负荷特征。在发电侧,随着分布式新能源发电渗透率不断提高,电源由确定可控的连续电源向不确定的随机波动电源转变;在用电侧,从机械电磁系统和高转动惯量系统向电力电子器件及弱转动惯量系统转变,对配电网规划和运行形成挑战。因此,针对新型电力负荷特征,有必要开发精准可靠的负荷特征提取和分析方法,熟悉电网负荷发用电特点,进行有效的分类,对负荷预测、需求响应管理、配网规划投资等意义重大。
2、目前的负荷特征分析,多局限于峰谷值、平均值、增长率等统计学指数,无法满足新型电力系统条件下,负荷预测、需求响应管理、配网规划等对高精细度负荷特征分析需求。同时,对于负荷的分类,也多局限于营销系统中对用户按照居民工商业等不同行业进行划分,无法体现不同规模、不同电压等级、不同区域、不同用户不同时间等因素对用电负荷的影响。
3、因此,亟需构建负荷特征分析的系统性框架,能够对新型电力负荷发用电特征进行精细化提取和分析。
技术实现思路
1、本专利技术的目的在于提供一种负荷特征提取方法、装置、设备及介质,以解决现有负荷特征提取多针对统计学指数,难以量化,导致提取结果准确的技术问题。
2、为实现上述目的,本专利技术采用如下技术方案予以实现:
3、第一方面,本专利技术提供一种负荷特征提取方法,包括以下步骤:
4、s1、获取预设区域内的若干
5、s2、采用快速傅里叶变换处理若干组负荷数据生成频率-幅值图;
6、s3、根据频率-幅值图获取各组负荷数据的主要构成频率,根据主要构成频率和频率-幅值图生成候选特征集;
7、s4、采用层次聚类法处理候选特征集得到第一聚类结果;
8、s5、采用随机森林分类器处理第一聚类结果得到分类结果,根据分类结果设置重要限度值,根据重要限度值筛选分类结果得到特征数据集;
9、s6、采用层次聚类法处理特征数据集得到第二聚类结果;
10、s7、将第一聚类结果与第二聚类结果进行比较,若吻合度大于等于预设值则输出特征数据集;
11、若吻合度小于预设值则返回s5,调整重要限度值。
12、本专利技术的进一步改进在于:所述获取预设区域内的若干组负荷数据的步骤中,还包括对负荷数据进行预处理:
13、所述预处理包括:
14、对负荷数据进行数据治理,删除无效数据,统一负荷数据的时间跨度和时间颗粒度;
15、对负荷数据进行最大值归一化。
16、本专利技术的进一步改进在于:所述快速傅里叶变换的公式:
17、xk= fft(xn(t));
18、式中,xk= (ak, θk)为快速傅里叶变换后的复数结果,k为频率,ak表示k频率下的振幅,θk表示k频率下的相角。
19、本专利技术的进一步改进在于:所述候选特征集中还包括预设频率的幅值和相角。
20、本专利技术的进一步改进在于:所述调整重要限度值的步骤中,重要限度值逐渐减小。
21、本专利技术的进一步改进在于:所述预设值为80%。
22、本专利技术的进一步改进在于:所述主要构成频率为频率-幅值图中的各峰值。
23、第二方面,本专利技术提供一种负荷特征提取装置,包括:
24、数据获取模块:用于获取预设区域内的若干组负荷数据;
25、数据处理模块:采用快速傅里叶变换处理若干组负荷数据生成频率-幅值图;
26、数据分析模块:用于根据频率-幅值图获取各组负荷数据的主要构成频率,根据主要构成频率和频率-幅值图生成候选特征集;
27、第一聚类模块:采用层次聚类法处理候选特征集得到第一聚类结果;
28、筛选模块:用于采用随机森林分类器处理第一聚类结果得到分类结果,根据分类结果设置重要限度值,根据重要限度值筛选分类结果得到特征数据集;
29、第二聚类模块:采用层次聚类法处理特征数据集得到第二聚类结果;
30、迭代输出模块:用于将第一聚类结果与第二聚类结果进行比较,若吻合度大于等于预设值则输出特征数据集;
31、若吻合度小于预设值则返回筛选模块,调整重要限度值。
32、第三方面,本专利技术提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种负荷特征提取方法。
33、第四方面,本专利技术提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的一种负荷特征提取方法。
34、与现有技术相比,本专利技术至少包括以下有益效果:
35、1、本专利技术通过快速傅里叶变换将负荷数据转换至频域,通过不同频率下的幅值和相位特征,实现负荷特征量化描述;
36、2、本专利技术通过随机森林分类器对特征进行筛选,并将筛选前后的数据进行聚类比较,从而剔除无效数据,提高负荷特征提取的准确性;
37、3、本专利技术通过设置重要限度值进行特征筛选,并在后续迭代过程中对重要限度值进行调整,避免数据过度删减导致特征提取不准确。
本文档来自技高网...【技术保护点】
1.一种负荷特征提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种负荷特征提取方法,其特征在于,所述获取预设区域内的若干组负荷数据的步骤中,还包括对负荷数据进行预处理:
3.根据权利要求2所述的一种负荷特征提取方法,其特征在于,所述快速傅里叶变换的公式:
4.根据权利要求1所述的一种负荷特征提取方法,其特征在于,所述候选特征集中还包括预设频率的幅值和相角。
5.根据权利要求1所述的一种负荷特征提取方法,其特征在于,所述调整重要限度值的步骤中,重要限度值逐渐减小。
6.根据权利要求1所述的一种负荷特征提取方法,其特征在于,所述预设值为80%。
7.根据权利要求1所述的一种负荷特征提取方法,其特征在于,所述主要构成频率为频率-幅值图中的各峰值。
8.一种负荷特征提取装置,其特征在于,包括:
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中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权利要求1-7任一项所述的一种负荷特征提取方
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的一种负荷特征提取方法。
...【技术特征摘要】
1.一种负荷特征提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种负荷特征提取方法,其特征在于,所述获取预设区域内的若干组负荷数据的步骤中,还包括对负荷数据进行预处理:
3.根据权利要求2所述的一种负荷特征提取方法,其特征在于,所述快速傅里叶变换的公式:
4.根据权利要求1所述的一种负荷特征提取方法,其特征在于,所述候选特征集中还包括预设频率的幅值和相角。
5.根据权利要求1所述的一种负荷特征提取方法,其特征在于,所述调整重要限度值的步骤中,重要限度值逐渐减小。
6.根据权利要求1所述的一种负荷特征提取方法...
【专利技术属性】
技术研发人员:代志强,汪海涛,林凯,李晖,刘兆燕,许禹诺,侯炳旭,裴迅,张泽宇,高璐,
申请(专利权)人:国网北京市电力公司,
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。