CN111144682A - 一种配电网运行效率主要影响因素挖掘方法 - Google Patents

一种配电网运行效率主要影响因素挖掘方法 Download PDF

Info

Publication number
CN111144682A
CN111144682A CN201910797870.9A CN201910797870A CN111144682A CN 111144682 A CN111144682 A CN 111144682A CN 201910797870 A CN201910797870 A CN 201910797870A CN 111144682 A CN111144682 A CN 111144682A
Authority
CN
China
Prior art keywords
coefficient matrix
factors
distribution network
power distribution
main
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.)
Pending
Application number
CN201910797870.9A
Other languages
English (en)
Inventor
彭飞进
李响
郭为斌
车磊
欧阳卫年
李高明
曹志辉
谭振鹏
李峰
范心明
李新
宋安琪
董镝
王俊波
李国伟
唐琪
黄静
何子兰
史训涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Guangdong Power Grid Co Ltd
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Guangdong Power Grid Co Ltd
Priority to CN201910797870.9A priority Critical patent/CN111144682A/zh
Publication of CN111144682A publication Critical patent/CN111144682A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Complex Calculations (AREA)

Abstract

本发明提供一种配电网运行效率主要影响因素挖掘方法，该方法采取校验方法排除影响因素中的自变量和共线性变量；然后采用最小二乘法求取影响因素和配电网运行效率之间的初始系数矩阵；接着基于初始系数矩阵构建最终系数矩阵求取模型；最后根据最终系数矩阵和主要因素阈值确定主要影响因素，该方法能够避免变量间自相关性，实现客观准确的主要因素分析。

Description

一种配电网运行效率主要影响因素挖掘方法
技术领域
本发明涉及电力系统配电领域，更具体地，涉及一种配电网运行效率主要影响因素挖掘方法。
背景技术
运行效率指标可以准确评估供电区域内配电网变压器和线路等主设备的利用率，分析配电网整体的单位资产所发挥的效用，对于推荐配电网精益化管理和提高配电网竞争力具有重要意义。电网企业通过建立配电网运行效率的影响因素体系，综合考虑影响因素的直接作用和间接作用，提取主要的影响因素。针对主要因素，一方面可以提高单位改造投入的经济效益，降低对冗余投资，另一方面，可以合理制定配电网规划超前程度，选择最佳的容量裕度，减少资源浪费率。
目前的影响因素评估主要采用层次分析法或者统计分析法，层次分析法将影响因素分为若干层，由专家根据自身经验采用9位标度法对影响因素的重要度进行打分，按分层分组、自下而上的方式确定各影响因素的权重分配，根据权重值确定主要影响因素。统计分析法主要采用Pearson系数、斯皮尔曼Spearman系数以及Kendall秩系数等相关系数指标来评估运行效率与影响量之间的密切程度，从而挖掘主要影响因素。层次分析法具有强烈的主观性，依赖于评价的专家的工作经验和业务水平，并且不同地域的专家的直观感受不同，误差较大。统计分析法在数据规模较小时容易出现主要影响因素多次分析结果不同的错误，在数据规模较大时，又难以避免变量间自相关性，以上分析方法难以满足配电网运行效率主要因素分析的要求。
发明内容
本发明提供一种配电网运行效率主要影响因素挖掘方法，该方法能够避免变量间自相关性，实现客观准确的主要因素分析。
为了达到上述技术效果，本发明的技术方案如下：
一种配电网运行效率主要影响因素挖掘方法，包括以下步骤：
S1：采取校验方法排除影响因素中的自变量和共线性变量；
S2：采用最小二乘法求取影响因素和配电网运行效率之间的初始系数矩阵；
S3：基于初始系数矩阵构建最终系数矩阵求取模型；
S4：根据最终系数矩阵和主要因素阈值确定主要影响因素。
进一步地，采用t检验对对每种影响因素序列进行单因素显著性检验，当显著性水平大于阈值λ时，删除自变量，显著性水平计算公式如下：
Figure BDA0002181469950000021
式中u表示影响因素序列Xi的均值；
Figure BDA0002181469950000022
表示影响因素序列Xi去除xij后的均值；σx表示影响因素序列Xi去除xij后的方差；n为影响因素序列Xi去除xij后的元素个数，η表示元素xij的显著性水平。
进一步地，对余下的备选变量进行共线性检验，计算变量之间的方差膨胀系数，当方差膨胀系数大于阈值κ时，删除存在共线性的部分变量，方差膨胀系数计算公式为：
Figure BDA0002181469950000023
式中Vi表示表示影响因素序列Xi的方差膨胀系数；Ri表示将Xi看做因变量，用其余影响因素序列进行回归分析的相关系数。
进一步地，采用最小二乘法计算Y和X之间的初始系数矩阵W：
W＝(XTX)-1XTY＝(w1,w2,K,wn)。
进一步地，建立最终系数矩阵求取模型，确定最终系数矩阵
Figure BDA0002181469950000024
Figure BDA0002181469950000025
Figure BDA0002181469950000026
s.t.
Figure BDA0002181469950000027
式中λ1,λ2，γ为调节系数。
进一步地，根据主要因素阈值φ,将最终系数矩阵中大于φ的元素提取组成主要因素系数矩阵
Figure BDA0002181469950000028
中的元素对应的影响因素为主要影响因素：
Figure BDA0002181469950000031
式中
Figure BDA0002181469950000032
分别表示第i个和第j个最终系数，则表示第i个和第j个影响因素为主要影响因素。
与现有技术相比，本发明技术方案的有益效果是：
1)、采用校验方法排除自变量和共线性变量，减少间接影响因素和无关影响因素，降低变量维度，加快分析速度和准确度；
2)、采用最小二乘法计算Y和X之间的初始系数矩阵，提供最终系数矩阵求取模型初始参考值，提高最终系数的求解精度，增强主要影响因素的挖掘效率；
3)、最终系数矩阵求取模型求解难度低，求解速度快，对数据规模和变量维度没有要求。
附图说明
图1为本发明方法流程图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，一种配电网运行效率主要影响因素挖掘方法，包括以下步骤：
S1：采取校验方法排除影响因素中的自变量和共线性变量；
S2：采用最小二乘法求取影响因素和配电网运行效率之间的初始系数矩阵；
S3：基于初始系数矩阵构建最终系数矩阵求取模型；
S4：根据最终系数矩阵和主要因素阈值确定主要影响因素。
采集配电网运行效率,构成运行效率状态矩阵Y＝[yi1,yi2,K,yit]，t为所取的参考时刻,采集n种影响因素数据，构成运行效率影响量矩阵
X＝[X1,X2,X3,K,Xn]，Xi＝[xi1,xi2,K,xim]
Xi表示第i个影响因素序列；xim表示第m时刻影响因素i的数值。
采用t检验对对每种影响因素序列进行单因素显著性检验，当显著性水平大于阈值λ时，删除自变量，显著性水平计算公式如下：
Figure BDA0002181469950000041
式中u表示影响因素序列Xi的均值；
Figure BDA0002181469950000042
表示影响因素序列Xi去除xij后的均值；σx表示影响因素序列Xi去除xij后的方差；n为影响因素序列Xi去除xij后的元素个数，η表示元素xij的显著性水平。
对余下的备选变量进行共线性检验，计算变量之间的方差膨胀系数，当方差膨胀系数大于阈值κ时，删除存在共线性的部分变量，方差膨胀系数计算公式为：
Figure BDA0002181469950000043
式中Vi表示表示影响因素序列Xi的方差膨胀系数；Ri表示将Xi看做因变量，用其余影响因素序列进行回归分析的相关系数。
采用最小二乘法计算Y和X之间的初始系数矩阵W：
W＝(XTX)-1XTY＝(w1,w2,K,wn)。
建立最终系数矩阵求取模型，确定最终系数矩阵
Figure BDA0002181469950000044
Figure BDA0002181469950000045
s.t.
Figure BDA0002181469950000046
式中λ1,λ2，γ为调节系数。
根据主要因素阈值φ,将最终系数矩阵中大于φ的元素提取组成主要因素系数矩阵
Figure BDA0002181469950000047
中的元素对应的影响因素为主要影响因素：
Figure BDA0002181469950000048
式中
Figure BDA0002181469950000049
分别表示第i个和第j个最终系数，则表示第i个和第j个影响因素为主要影响因素。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (6)

1.一种配电网运行效率主要影响因素挖掘方法，其特征在于，包括以下步骤：
S1：采取校验方法排除影响因素中的自变量和共线性变量；
S2：采用最小二乘法求取影响因素和配电网运行效率之间的初始系数矩阵；
S3：基于初始系数矩阵构建最终系数矩阵求取模型；
S4：根据最终系数矩阵和主要因素阈值确定主要影响因素。
2.根据权利要求1所述的配电网运行效率主要影响因素挖掘方法，其特征在于，采用t检验对对每种影响因素序列进行单因素显著性检验，当显著性水平大于阈值λ时，删除自变量，显著性水平计算公式如下：
Figure FDA0002181469940000011
式中u表示影响因素序列Xi的均值；
Figure FDA0002181469940000012
表示影响因素序列Xi去除xij后的均值；σx表示影响因素序列Xi去除xij后的方差；n为影响因素序列Xi去除xij后的元素个数，η表示元素xij的显著性水平。
3.根据权利要求2所述的配电网运行效率主要影响因素挖掘方法，其特征在于，对余下的备选变量进行共线性检验，计算变量之间的方差膨胀系数，当方差膨胀系数大于阈值κ时，删除存在共线性的部分变量，方差膨胀系数计算公式为：
Figure FDA0002181469940000013
式中Vi表示表示影响因素序列Xi的方差膨胀系数；Ri表示将Xi看做因变量，用其余影响因素序列进行回归分析的相关系数。
4.根据权利要求3所述的配电网运行效率主要影响因素挖掘方法，其特征在于，采用最小二乘法计算Y和X之间的初始系数矩阵W：
W＝(XTX)-1XTY＝(w1,w2,K,wn)。
5.根据权利要求4所述的配电网运行效率主要影响因素挖掘方法，其特征在于，建立最终系数矩阵求取模型，确定最终系数矩阵
Figure FDA0002181469940000014
Figure FDA0002181469940000021
s.t.
Figure FDA0002181469940000022
式中λ1,λ2，γ为调节系数。
6.根据权利要求4所述的配电网运行效率主要影响因素挖掘方法，其特征在于，根据主要因素阈值φ,将最终系数矩阵中大于φ的元素提取组成主要因素系数矩阵
Figure FDA0002181469940000023
Figure FDA0002181469940000026
中的元素对应的影响因素为主要影响因素：
Figure FDA0002181469940000024
式中
Figure FDA0002181469940000025
分别表示第i个和第j个最终系数，则表示第i个和第j个影响因素为主要影响因素。
CN201910797870.9A 2019-08-27 2019-08-27 一种配电网运行效率主要影响因素挖掘方法 Pending CN111144682A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910797870.9A CN111144682A (zh) 2019-08-27 2019-08-27 一种配电网运行效率主要影响因素挖掘方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910797870.9A CN111144682A (zh) 2019-08-27 2019-08-27 一种配电网运行效率主要影响因素挖掘方法

Publications (1)

Publication Number Publication Date
CN111144682A true CN111144682A (zh) 2020-05-12

Family

ID=70516793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910797870.9A Pending CN111144682A (zh) 2019-08-27 2019-08-27 一种配电网运行效率主要影响因素挖掘方法

Country Status (1)

Country Link
CN (1) CN111144682A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113850532A (zh) * 2021-10-15 2021-12-28 深圳市宝龙辉鞋业有限公司 一种按摩鞋生产在线连续监控方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104632207A (zh) * 2015-02-06 2015-05-20 青岛理工大学 测定钻孔灌注桩孔壁致塌影响因素的方法
CN105046100A (zh) * 2015-09-17 2015-11-11 水利部南京水利水文自动化研究所 一种堤坝边坡变形监测数据分析新方法
CN105825323A (zh) * 2016-03-10 2016-08-03 山东建筑大学 一种基于大数据的建筑能耗主要影响因素分析方法
CN105956755A (zh) * 2016-04-26 2016-09-21 广西电网有限责任公司百色供电局 电力综合线损率影响因子量化关系建立方法及系统
CN107908638A (zh) * 2017-09-26 2018-04-13 国网甘肃省电力公司 基于大数据挖掘配的电网运行效率评价方法及系统
CN108596227A (zh) * 2018-04-12 2018-09-28 广东电网有限责任公司 一种用户用电行为主导影响因素挖掘方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104632207A (zh) * 2015-02-06 2015-05-20 青岛理工大学 测定钻孔灌注桩孔壁致塌影响因素的方法
CN105046100A (zh) * 2015-09-17 2015-11-11 水利部南京水利水文自动化研究所 一种堤坝边坡变形监测数据分析新方法
CN105825323A (zh) * 2016-03-10 2016-08-03 山东建筑大学 一种基于大数据的建筑能耗主要影响因素分析方法
CN105956755A (zh) * 2016-04-26 2016-09-21 广西电网有限责任公司百色供电局 电力综合线损率影响因子量化关系建立方法及系统
CN107908638A (zh) * 2017-09-26 2018-04-13 国网甘肃省电力公司 基于大数据挖掘配的电网运行效率评价方法及系统
CN108596227A (zh) * 2018-04-12 2018-09-28 广东电网有限责任公司 一种用户用电行为主导影响因素挖掘方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张福旺;苑会娟;: "基于多元线性回归的空腹血糖影响因素分析方法" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113850532A (zh) * 2021-10-15 2021-12-28 深圳市宝龙辉鞋业有限公司 一种按摩鞋生产在线连续监控方法及系统

Similar Documents

Publication Publication Date Title
CN106951695A (zh) 多工况下的机械设备剩余使用寿命计算方法及系统
CN114035468B (zh) 基于XGBoost算法的风机检修流程预测性监控方法与系统
CN106855958A (zh) 机台零件剩余寿命预测系统与方法
CN108846555A (zh) 一种电力负荷大数据缺失值的高效精确填补法
CN106682763A (zh) 一种用于大量样本数据的电力负荷优化预测方法
CN109981749A (zh) 一种基于极限梯度提升的云工作流任务执行时间预测方法
CN111178585A (zh) 基于多算法模型融合的故障接报量预测方法
CN113361745A (zh) 一种配电网物资需求预测方法及系统
CN114066262A (zh) 一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质
CN104050547A (zh) 一种油田开发规划方案非线性优选决策方法
CN111460001A (zh) 一种配电网理论线损率评估方法及系统
CN103853939A (zh) 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法
CN117391499A (zh) 光伏电站可靠性评价方法及其装置
CN110837952A (zh) 一种基于博弈论的电网新技术设备选择方法及系统
CN111144682A (zh) 一种配电网运行效率主要影响因素挖掘方法
CN104408525A (zh) 作业车间调度风险的量化评估与控制方法
CN114036452A (zh) 一种应用于离散型生产线的产能评估方法
CN117375231A (zh) 一种基于电网数据节点的统计方法及数据处理系统
CN117196250A (zh) 水厂控制方法及控制设备
CN112700050A (zh) 一种光伏电站超短期第1点功率预测方法及系统
CN116720600A (zh) 落货量预测方法、装置、设备及存储介质
CN112990533B (zh) 一种稀疏约束和动态权重分配的风电集群功率预测方法
CN115130924A (zh) 一种源网荷储背景下微电网电力设备资产评估方法及系统
CN113094636A (zh) 一种基于海量监测数据的干扰性用户谐波水平估计方法
Fathin et al. Model for Predicting Electrical Energy Consumption Using ARIMA Method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination