CN113094647A - 一种台区最大负荷辨识方法 - Google Patents

Abstract

本发明为一种台区最大负荷辨识方法。一种台区最大负荷辨识方法，包括以下步骤：S1：确定台区最大负荷的统计周期及对应的历史日负荷集合后，遍历负荷最大日及其对应的负荷曲线；再分别计算所述的负荷最大日与前一日、后一日、前一周、前一月的负荷曲线的离散Fréchet距离F1‑F4；S2：计算所述的前一日与后一日负荷曲线的离散Fréchet距离F5；S3：以所述的F5为基准，检验所述的F1‑F4是否存在显著偏离，从而判断台区最大负荷的真伪。本发明提出的一种台区最大负荷辨识方法，可以进一步过滤台区历史日负荷集合中的假数据、提高数据质量，有助于促进人工智能在台区管理中的应用。

Description

一种台区最大负荷辨识方法

技术领域

本发明属于电力系统运行技术领域，具体涉及一种基于曲线离散Fréchet距离的台区最大负荷辨识方法。

背景技术

台区负荷是电力系统经济运行的关键要素，经济运行水平直接影响系统的损耗，同时关乎运行安全，对配变运行状态评估、台区改造和经济调度都具有重要意义。但是由于台区运行环境的不确定性和复杂性，以及采集和数据传输系统的运行状态的影响，台区日负荷数据的质量不高。

目前，针对台区最大负荷辨识的研究主要集中于数据平均值滤波等，对其进行坏值甄别分析和修正，效果能满足基本需求。但还存在如下问题：(1)无法对数据跳变的真实性进行区分；(2)受台区改造等因素的影响，统数据滤波的泛化能力差，精度有待进一步提高。

有鉴于此，本发明提出一种新的台区最大负荷辨识方法，可以提高台区最大负荷辨识的精确度。

发明内容

本发明的目的在于提供一种台区最大负荷辨识方法，其基于曲线离散Fréchet距离，可以更准确地校验台区最大负荷真伪。

为了实现上述目的，所采用的技术方案为：

一种台区最大负荷辨识方法，包括以下步骤：

S1：确定台区最大负荷的统计周期及对应的历史日负荷集合后，遍历负荷最大日及其对应的负荷曲线；再分别计算所述的负荷最大日与前一日、后一日、前一周、前一月的负荷曲线的离散Fréchet距离F1-F4；

S2：计算所述的前一日与后一日的负荷曲线的离散Fréchet距离F5；

S3：以所述的F5为基准，检验所述的F1-F4是否显著偏离，从而判断台区最大负荷的真伪。

进一步地，所述的判断台区最大负荷的真伪的步骤为：依据检验步骤S1所得的F1-F4是否显著偏离的结果，若命题成立，则当前的台区最大负荷为异常伪数据；若命题不成立，则当前台区最大负荷为真实值。

再进一步地，可重复所述的步骤S1-S3校核历史日负荷集合中次最大值。

进一步地，所述的步骤S1中，根据业务需要，确定台区最大负荷的统计周期及对应的历史日负荷集合。

与现有技术相比，本发明的有益效果在于：

本发明首先引入基于曲线离散Fréchet距离的台区日负荷曲线偏离算法，从不同的时间尺度计算最大日负荷曲线偏离“惯性轨迹”的距离；其次根据与最大日最接近的负荷日曲线，校核最大日的偏离程度；最后，确定目前最大负荷真伪。

本发明提出的基于曲线离散Fréchet距离的台区最大负荷辨识方法，利用充分考虑日负荷曲线形状以及曲线上各点时序，可以更准确地校验台区最大负荷真伪，一方面避免了背景技术中存在的问题，另一方面也有利推进人工智能在负荷预测应用的进一步深化研究。

附图说明

图1为本发明一种台区最大负荷辨识方法的工作流程图。

具体实施方式

为了进一步阐述本发明一种台区最大负荷辨识方法，达到预期发明目的，以下结合较佳实施例，对依据本发明提出的一种台区最大负荷辨识方法，其具体实施方式、结构、特征及其功效，详细说明如后。在下述说明中，不同的“一实施例”或“实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

下面将结合具体的实施例，结合图1的工作流程图所示，对本发明一种台区最大负荷辨识方法做进一步的详细介绍：

本发明的技术方案为：

一种台区最大负荷辨识方法，包括以下步骤：

S1：确定台区最大负荷的统计周期及对应的历史日负荷集合后，遍历负荷最大日及其对应的负荷曲线；再分别计算所述的负荷最大日与前一日、后一日、前一周、前一月的负荷曲线的离散Fréchet距离F1-F4；

S2：计算所述的前一日与后一日的负荷曲线的离散Fréchet距离F5；

S3：以所述的F5为基准，检验所述的F1-F4是否显著偏离，从而判断台区最大负荷的真伪。

优选地，所述的判断台区最大负荷的真伪的步骤为：依据检验步骤S1所得的F1-F4是否显著偏离的结果，若命题成立，则当前的台区最大负荷为异常伪数据；若命题不成立，则当前台区最大负荷为真实值。

进一步优选地，可重复所述的步骤S1-S3校核历史日负荷集合中次最大值。

优选地，所述的步骤S1中，根据业务需要，确定台区最大负荷的统计周期及对应的历史日负荷集合。

实施例1.

结合图1，具体操作步骤如下：

S1：首先根据业务需要，确定台区最大负荷的统计周期及对应的历史日负荷集合，开始遍历负荷最大日及其对应的负荷曲线；然后分别计算其与前一日D+1、后一日D-1、前一周W-1、前一月M-1的负荷曲线的离散Fréchet距离F1-F4。

S2：计算D+1日与D-1日负荷曲线的离散Fréchet距离F5。

S3：以S2得到F5为基准，检验S1所得的F1∽F4是否显著偏离；

S4：依据步骤S3得到的结果，若命题成立，则当前的台区最大负荷为异常伪数据，可重复上述步骤继续S1-S4校核历史日负荷集合中次最大值，以此类推；若命题不成立，则当前台区最大负荷为真实值。

Fréchet距离由M.Fréchet于1906年提出,描述了两质点分别沿着两条给定曲线以任意速度单向运动时，二者之间的最短距离。与常用的Hausdorff距离相比，Fréchet距离考虑了曲线的形状以及曲线上各点的时序，其具体定义如下：

α[0,1]→[a,b]

β[0,1]→[a,b]

式中，

表示Fréchet距离，||·||表示L₂范数，α和β表示[0,1]→[a,b]的任意连续非递减函数。

可以完美刻画日负荷曲线的形状，以及各点的时序，因此非常适合表征日负荷曲线的相似性，具体计算过程如下：

设P:[1,p]→²表示最大日D的负荷波形曲线，σ(P)＝(u₁,…u_p)表示对应的按时间排序的采样点集合；同理，设Q:[1,q]→²表示历史日负荷集合中任意日的负荷波形曲线，σ(Q)＝(v₁,…v_q)表示对应的按时间排序的采样点集合，d(u_i,v_j)＝|u_i-v_j|表示集合σ(P)中元素u_i与集合σ(Q)中元素v_j之间的连接距离，

表示两质点分别运动到曲线P的i位置和曲线Q的j位置时对应的离散Fréchet距离。

1)由集合σ(P)和σ(Q)求曲线P和Q的元素连接矩阵D_p×q

2)令i＝1,j＝1

则

令i＝2→p,j＝1

则

令i＝1,j＝2→q

则

3)从i＝2,j＝2出发，按照公式(2)搜索前进，直至i＝p,j＝q，则曲线P和Q的离散Fréchet距离

本发明首先引入基于曲线离散Fréchet距离的台区日负荷曲线偏离算法，从不同的时间尺度计算最大日负荷曲线偏离“惯性轨迹”的距离；其次根据与最大日最接近的负荷日曲线，校核最大日的偏离程度；最后，确定目前最大负荷真伪。

以上所述，仅是本发明实施例的较佳实施例而已，并非对本发明实施例作任何形式上的限制，依据本发明实施例的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明实施例技术方案的范围内。

Claims (4)

1.一种台区最大负荷辨识方法，其特征在于，包括以下步骤：

S1：确定台区最大负荷的统计周期及对应的历史日负荷集合后，遍历负荷最大日及其对应的负荷曲线；再分别计算所述的负荷最大日与前一日、后一日、前一周、前一月的负荷曲线的离散Fréchet距离F1-F4；

S2：计算所述的前一日与后一日的负荷曲线的离散Fréchet距离F5；

S3：以所述的F5为基准，检验所述的F1-F4是否显著偏离，从而判断台区最大负荷的真伪。

2.根据权利要求1所述的台区最大负荷辨识方法，其特征在于，

所述的判断台区最大负荷的真伪的步骤为：依据检验步骤S1所得的F1-F4是否显著偏离的结果，若命题成立，则当前的台区最大负荷为异常伪数据；若命题不成立，则当前台区最大负荷为真实值。

3.根据权利要求2所述的台区最大负荷辨识方法，其特征在于，

可重复所述的步骤S1-S3校核历史日负荷集合中次最大值。

4.根据权利要求1所述的台区最大负荷辨识方法，其特征在于，

所述的步骤S1中，根据业务需要，确定台区最大负荷的统计周期及对应的历史日负荷集合。

Images