CN105654208A - 空间负荷预测中确定元胞负荷最大值的经验模态分解方法 - Google Patents
空间负荷预测中确定元胞负荷最大值的经验模态分解方法 Download PDFInfo
- Publication number
- CN105654208A CN105654208A CN201610018447.0A CN201610018447A CN105654208A CN 105654208 A CN105654208 A CN 105654208A CN 201610018447 A CN201610018447 A CN 201610018447A CN 105654208 A CN105654208 A CN 105654208A
- Authority
- CN
- China
- Prior art keywords
- imf
- cellular
- load
- cellular load
- main body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000001413 cellular effect Effects 0.000 title claims abstract description 98
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000008569 process Effects 0.000 title claims abstract description 12
- 238000002386 leaching Methods 0.000 claims abstract description 6
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 230000010355 oscillation Effects 0.000 claims description 27
- 230000004083 survival effect Effects 0.000 claims description 10
- 230000001788 irregular Effects 0.000 claims description 3
- 230000002411 adverse Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明是一种空间负荷预测中确定元胞负荷最大值的经验模态分解方法,其特点是,包括:利用经验模态分解技术将各元胞负荷进行分解、对分解得到的一系列本征模态函数建立滤取机制、重构出元胞负荷的主体分量并确定其中的最大值等步骤。通过分析元胞历史负荷数据,利用经验模态分解技术将各元胞负荷进行分解;对分解得到的一系列本征模态函数建立滤取机制;把能表征元胞负荷基本信息规律性与趋势性的部分本征模态函数重构为主体分量,把能刻画元胞负荷随机波动性的部分本征模态函数重构为高频分量;通过剔除高频分量来抑制随机波动性带来的不利影响,将主体分量中的最大值作为元胞负荷最大值,该值可应用于城市电网空间负荷预测。
Description
技术领域
本发明涉及城市配电网规划中的空间负荷预测领域,是一种空间负荷预测中确定元胞负荷最大值的经验模态分解方法。
背景技术
空间负荷预测(spatialloadforecasting,SLF)是针对待测区域内负荷时空特性的预测,其结果的准确性将直接影响到城市电网的电源布点、供电路径选择、设备投运等是否技术可行且经济合理。
为实现SLF,需先将待测区域划分成多个形状规则或不规则的小区,每个小区都可看作一个元胞,所以小区内的电力负荷又称为元胞负荷。
实现SLF的过程中,一般使用元胞的年负荷最大值,即只使用各元胞每年众多历史负荷数据中的最大值。而在获得元胞负荷时可能受到测量、通信等误差的影响,使得到的最大值不一定合理。若直接将各元胞历史负荷数据的最大值应用于SLF,势必会影响到预测精度。可见,各元胞历史负荷数据的合理选取对SLF准确性至关重要,故需进行负荷数据预处理方法的研究确定元胞负荷最大值,以确保在建模和预测过程中所使用的历史负荷数据能合理地反映元胞负荷发展的趋势和规律,从而提高SLF质量。
发明内容
本发明的目的是,提供一种方法科学、合理,简单、实用的空间负荷预测中确定元胞负荷最大值的经验模态分解方法。
实现本发明目的所采用的技术方案是,一种空间负荷预测中确定元胞负荷最大值的经验模态分解方法,其特征在于,它包括以下步骤:
1)利用经验模态分解技术将各元胞负荷进行分解
为实现空间电力负荷预测,需先将待测区域划分成多个形状规则或不规则的小区,每个小区都可看作一个元胞,所以小区内的电力负荷又称为元胞负荷;
经验模态分解(EmpiricalModeDecomposition,EMD)是一种对信号进行平稳化处理的过程,它基于信号的局部特征尺度,可将元胞负荷中不同尺度的波动逐级分解出来,产生一系列不同特征尺度的数据序列,并将每个序列作为一个本征模态函数(IntrinsicModeFunction,IMF),其中的最后一个数据序列又称为残余函数r;
2)对分解得到的一系列本征模态函数建立滤取机制
元胞负荷中包含高频分量和主体分量两个部分,高频分量具有随机波动性,主体分量则具有规律性和趋势性,本步骤就是要判定分别属于高频分量的IMF和主体分量的IMF;
①引入波动指数来描述IMF的波动性
利用公式(1)来计算IMF的波动指数,
其中:α(i)为元胞负荷的第i个IMF的波动指数,i=1,2,…,n;
n为对元胞负荷进行经验模态分解所得到的数据序列的个数;
fi(j)为第i个IMF的第j个数值,j=1,2,…,m;
m为第i个IMF所含数值的个数;
②建立确定IMF属于元胞负荷中高频分量的第一判据
通过比较元胞负荷的各IMF的波动指数与元胞负荷原始数据序列的波动指数之间的关系,把满足公式(2)的IMF初步判定为高频分量,并把公式(2)称为“第一判据”;
α(i)>α(0)(2)
其中:α(0)为元胞负荷原始数据序列的波动指数;
③建立确定IMF属于元胞负荷中高频分量的第二判据
利用公式(3)求出各相邻两个IMF的波动指数的比值,在根据“第一判据”所得到的IMF中确定b(i)的最大值,并将该b(i)最大值对应的i记作k,判定第1至第k个IMF均属于高频分量,称为“第二判据”;
其中:b(i)为波动比例序列的第i个值,i=1,2,…,n-1;
α(i)为元胞负荷的第i个IMF的波动指数,i=1,2,…,n-1;
n为对元胞负荷进行经验模态分解所得到的数据序列的个数;
k为小于n,但大于0的整数;
④虑取属于元胞负荷中主体分量的IMF
在对元胞负荷进行经验模态分解所得到的所有IMF中,剔除属于高频分量的IMF,其余的IMF均属于主体分量;
3)重构出元胞负荷的主体分量并确定其中的最大值
剔除属于高频分量的IMF,将其余均属于主体分量的IMF和残余函数r相加重构出主体分量;将主体分量中的最大值作为元胞负荷的最大值。
本发明的空间负荷预测中确定元胞负荷最大值的经验模态分解方法,通过分析元胞历史负荷数据,利用经验模态分解技术将各元胞负荷进行分解,对分解得到的一系列本征模态函数建立滤取机制,把能表征元胞负荷基本信息规律性与趋势性的部分本征模态函数重构为主体分量,把能刻画元胞负荷随机波动性的部分本征模态函数重构为高频分量。通过剔除高频分量来抑制随机波动性带来的不利影响,将主体分量中的最大值作为元胞负荷最大值,具有方法科学、合理,简单、实用等优点。
附图说明
图1为元胞负荷时间序列及其本征模态函数曲线图;
图2为波动比例序列曲线图;
图3为元胞负荷的高频分量曲线图;
图4为元胞负荷的主体分量曲线图;
图5为待测区域内的元胞示意图。
具体实施方式
下面利用附图和实施例对本发明作进一步说明。
参照图1-图5,图1给出了元胞负荷时间序列曲线图及对其进行经验模态分解后得到的本征模态函数的曲线图,图2给出了利用各相邻两个IMF的波动指数之比得到的波动比例序列曲线图;图3给出了重构出来的元胞负荷高频分量的曲线图;图4给出了重构出来的元胞负荷主体分量的曲线图;图5中显示了在待进行空间负荷预测的区域内,根据10kV馈线供电范围生成的元胞示意图。
本发明的空间负荷预测中确定元胞负荷最大值的经验模态分解方法,包括以下步骤:
1)利用经验模态分解技术将各元胞负荷进行分解
对图5中各元胞的负荷分别进行经验模态分解,其中名为德胜线的元胞的负荷曲线及其本征模态函数(IntrinsicModeFunction,IMF)曲线和残余函数r曲线见图1;
2)对步骤1)分解得到的一系列本征模态函数建立滤取机制
①引入波动指数来描述IMF的波动性
利用公式(4)来计算IMF的波动指数,
其中:α(i)为元胞负荷的第i个IMF的波动指数,i=1,2,…,n;
n为对元胞负荷进行经验模态分解所得到的数据序列的个数;
fi(j)为第i个IMF的第j个数值,j=1,2,…,m;
m为第i个IMF所含数值的个数;
通过式(4)计算得出名为德胜线的元胞的IMF1~IMF10和以及残余函数r的波动指数,具体数值大小见表1,其中元胞负荷的原始序列用s(t)描述。
表1各IMF、残余函数以及原始序列的波动指数
②建立确定IMF属于元胞负荷中高频分量的第一判据
通过比较元胞负荷的各IMF的波动指数与元胞负荷原始数据序列的波动指数之间的关系,把满足公式(5)的IMF初步判定为高频分量,并把公式(5)称为“第一判据”;
α(i)>α(0)(5)
其中:α(0)为元胞负荷原始数据序列的波动指数;
对名为德胜线的元胞而言,根据公式(5)和表1,可初步判定IMF1~IMF6属于其高频分量。
③建立确定IMF属于元胞负荷中高频分量的第二判据
利用公式(6)求出各相邻两个IMF的波动指数的比值,在根据“第一判据”所得到的IMF中确定b(i)的最大值,并将该b(i)最大值对应的i记作k,判定第1至第k个IMF均属于高频分量,称为“第二判据”;
其中:b(i)为波动比例序列的第i个值,i=1,2,…,n-1;
α(i)为元胞负荷的第i个IMF的波动指数,i=1,2,…,n-1;
n为对元胞负荷进行经验模态分解所得到的数据序列的个数;
k为小于n,但大于0的整数;
对名为德胜线的元胞而言,根据表1和公式(6),以及图2,可进一步判定IMF1~IMF3属于其高频分量。
④虑取属于元胞负荷中主体分量的IMF
在对名为德胜线的元胞负荷进行经验模态分解所得到的所有IMF中,去掉属于高频分量的IMF1~IMF3,其余的IMF4~IMF10以及残余函数r均属于其主体分量;
3)重构出元胞负荷的主体分量并确定其中的最大值
①剔除属于高频分量的IMF,将其余均属于主体分量的IMF和残余函数r相加重构出主体分量;对名为德胜线的元胞而言,利用IMF1~IMF3重构出来的元胞负荷高频分量如图3所示,利用IMF4~IMF10以及残余函数r重构出来的元胞负荷主体分量如图4所示;
②将主体分量中的最大值作为元胞负荷的最大值。
对图5所示的所有元胞,运用本方法分别计算它们在2003年至2008年这5年内的负荷最大值,计算结果见表2。
表2各元胞的最大负荷值
本发明的特定实施例已对本发明的内容作出了详尽的说明,但不局限本实施例,本领域技术人员根据本发明的启示所做的任何显而易见的改动,都属于本发明权利保护的范围。
Claims (1)
1.一种空间负荷预测中确定元胞负荷最大值的经验模态分解方法,其特征在于,它包括以下步骤:
1)利用经验模态分解技术将各元胞负荷进行分解
为实现空间电力负荷预测,需先将待测区域划分成多个形状规则或不规则的小区,每个小区都可看作一个元胞,所以小区内的电力负荷又称为元胞负荷;
经验模态分解(EmpiricalModeDecomposition,EMD)是一种对信号进行平稳化处理的过程,它基于信号的局部特征尺度,可将元胞负荷中不同尺度的波动逐级分解出来,产生一系列不同特征尺度的数据序列,并将每个序列作为一个本征模态函数(IntrinsicModeFunction,IMF),其中的最后一个数据序列又称为残余函数r;
2)对分解得到的一系列本征模态函数建立滤取机制
元胞负荷中包含高频分量和主体分量两个部分,高频分量具有随机波动性,主体分量则具有规律性和趋势性,本步骤就是要判定分别属于高频分量的IMF和主体分量的IMF;
①引入波动指数来描述IMF的波动性
利用公式(1)来计算IMF的波动指数,
其中:α(i)为元胞负荷的第i个IMF的波动指数,i=1,2,…,n;
n为对元胞负荷进行经验模态分解所得到的数据序列的个数;
fi(j)为第i个IMF的第j个数值,j=1,2,…,m;
m为第i个IMF所含数值的个数;
②建立确定IMF属于元胞负荷中高频分量的第一判据
通过比较元胞负荷的各IMF的波动指数与元胞负荷原始数据序列的波动指数之间的关系,把满足公式(2)的IMF初步判定为高频分量,并把公式(2)称为“第一判据”;
α(i)>α(0)(2)
其中:α(0)为元胞负荷原始数据序列的波动指数;
③建立确定IMF属于元胞负荷中高频分量的第二判据
利用公式(3)求出各相邻两个IMF的波动指数的比值,在根据“第一判据”所得到的IMF中确定b(i)的最大值,并将该b(i)最大值对应的i记作k,判定第1至第k个IMF均属于高频分量,称为“第二判据”;
其中:b(i)为波动比例序列的第i个值,i=1,2,…,n-1;
α(i)为元胞负荷的第i个IMF的波动指数,i=1,2,…,n-1;
n为对元胞负荷进行经验模态分解所得到的数据序列的个数;
k为小于n,但大于0的整数;
④虑取属于元胞负荷中主体分量的IMF
在对元胞负荷进行经验模态分解所得到的所有IMF中,剔除属于高频分量的IMF,其余的IMF均属于主体分量;
3)重构出元胞负荷的主体分量并确定其中的最大值
剔除属于高频分量的IMF,将其余均属于主体分量的IMF和残余函数r相加重构出主体分量;将主体分量中的最大值作为元胞负荷的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610018447.0A CN105654208B (zh) | 2016-01-13 | 2016-01-13 | 空间负荷预测中确定元胞负荷最大值的经验模态分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610018447.0A CN105654208B (zh) | 2016-01-13 | 2016-01-13 | 空间负荷预测中确定元胞负荷最大值的经验模态分解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105654208A true CN105654208A (zh) | 2016-06-08 |
CN105654208B CN105654208B (zh) | 2022-02-08 |
Family
ID=56486590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610018447.0A Active CN105654208B (zh) | 2016-01-13 | 2016-01-13 | 空间负荷预测中确定元胞负荷最大值的经验模态分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105654208B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776719A (zh) * | 2018-04-27 | 2018-11-09 | 南京信息工程大学 | 基于经验模态分解的高能电子通量小时预报模型建立方法 |
CN111062538A (zh) * | 2019-12-21 | 2020-04-24 | 东北电力大学 | 空间负荷预测中确定元胞负荷合理最大值的ceemd方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258246A (zh) * | 2013-05-16 | 2013-08-21 | 东北电力大学 | 一种基于元胞历史数据的负荷密度指标的求取方法 |
CN104239971A (zh) * | 2014-09-05 | 2014-12-24 | 东北电力大学 | 一种基于多尺度空间分辨率的空间负荷预测误差评价方法 |
CN105205736A (zh) * | 2015-10-14 | 2015-12-30 | 国家电网公司 | 基于经验模态分解的电力负荷异常数据的快速检测方法 |
-
2016
- 2016-01-13 CN CN201610018447.0A patent/CN105654208B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258246A (zh) * | 2013-05-16 | 2013-08-21 | 东北电力大学 | 一种基于元胞历史数据的负荷密度指标的求取方法 |
CN104239971A (zh) * | 2014-09-05 | 2014-12-24 | 东北电力大学 | 一种基于多尺度空间分辨率的空间负荷预测误差评价方法 |
CN105205736A (zh) * | 2015-10-14 | 2015-12-30 | 国家电网公司 | 基于经验模态分解的电力负荷异常数据的快速检测方法 |
Non-Patent Citations (1)
Title |
---|
甘雨等: "基于经验模分解的陀螺信号消噪", 《测绘学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776719A (zh) * | 2018-04-27 | 2018-11-09 | 南京信息工程大学 | 基于经验模态分解的高能电子通量小时预报模型建立方法 |
CN111062538A (zh) * | 2019-12-21 | 2020-04-24 | 东北电力大学 | 空间负荷预测中确定元胞负荷合理最大值的ceemd方法 |
CN111062538B (zh) * | 2019-12-21 | 2022-09-20 | 东北电力大学 | 空间负荷预测中确定元胞负荷合理最大值的ceemd方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105654208B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105759117B (zh) | 一种基于谐波分析综合等值电路的谐波责任量化方法 | |
CN107330159B (zh) | 用于电力系统智能计算的系统 | |
CN109086963B (zh) | 一种线损理论计算精益化管理方法 | |
CN107330589A (zh) | 卫星网络协调风险的定量化评估方法及系统 | |
CN106897833A (zh) | 一种新能源配电网可靠性的评估方法及装置 | |
CN105654208A (zh) | 空间负荷预测中确定元胞负荷最大值的经验模态分解方法 | |
CN104462443B (zh) | 数据处理方法和装置 | |
CN103020433A (zh) | 一种电力设备状态的评价模型引擎 | |
CN111160732A (zh) | 一种适用于多站融合安全与效益综合评价的方法 | |
CN106507406A (zh) | 一种无线网络的设备接入数的预测方法及设备 | |
CN105785944A (zh) | 船体建造精度控制工艺方法和系统 | |
CN103904653A (zh) | 电网谐波状态估计中的可观性分析方法 | |
CN107332239B (zh) | 一种基于配电网等值的输配电网协调规划方法 | |
CN107086565B (zh) | 一种基于聚合理论的预想事故自动选择方法 | |
CN106327009A (zh) | 空间负荷预测中确定元胞负荷最大值的主成分分析法 | |
CN116362428A (zh) | 基于vmd-pcf-arima的短期负荷预测方法 | |
CN106251035A (zh) | 用于项目指标计算的数据处理方法和装置 | |
CN108665376B (zh) | 一种空间负荷预测中确定元胞负荷最大值的核密度估计方法 | |
Zhou et al. | Calculation method of the line loss rate in low-voltage transformer district based on PCA and k-means clustering and support vector machine | |
CN103428861B (zh) | 一种小区性能指标重分配的方法及装置 | |
Sharpe et al. | Physical results from partially quenched simulation | |
CN104332990B (zh) | 一种获取区域电网实时备用标定量的方法 | |
CN102147893A (zh) | 用于it系统应用考评拓展平台的数据分层抽样方法 | |
CN104331552A (zh) | 一种变电站二次设备的数据描述方法 | |
Zhao et al. | Flight Incidents Prediction Based on Model of X-12 and ARIMA |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |