【技術實現步驟摘要】
本專利技術涉及智能電網，具體為一種基于多維回溯分析異常節點電價智能識別方法及系統。
技術介紹
1、電價執行的準確性和合理性對電力市場的穩定運行至關重要。然而，由于電價執行規則的復雜性，加之客戶體量大且用電情況多樣，傳統的電價執行監控方法主要依賴于人工經驗和政策分析，缺乏有效的技術手段來精確識別和定位電價執行中的異常情況。這不僅導致異常管理工作量大、效率低，而且成本高昂，難以滿足當前電力企業精益化管理的要求。在這一背景下，該專利技術本專利技術通過實時采集和分析電價及相關多維數據，如供需關系、天氣、政策等因素，提供更全面的電價波動分析。采用先進的數據預處理技術，包括時序關聯分析和基于密度的聚類算法，以識別并清洗異常數據，提高數據質量。結合自適應模糊神經網絡和bp神經網絡，構建電價預測模型，提高預測的準確性和適應性。實現對電價的實時監控，并在檢測到異常時自動發出報警，幫助市場參與者及時響應。通過多維回溯分析技術，深入挖掘電價異常的原因，為市場監管和風險管理提供決策支持。
技術實現思路
1、鑒于上述存在的問題，提出了本專利技術。
2、因此，本專利技術解決的技術問題是：由于電價執行規則的復雜性，加之客戶體量大且用電情況多樣，傳統的電價執行監控方法主要依賴于人工經驗和政策分析，缺乏有效的技術手段來精確識別和定位電價執行中的異常情況。這不僅導致異常管理工作量大、效率低，而且成本高昂，難以滿足當前電力企業精益化管理的要求。
3、為解決上述技術問題，本專利技術提供如下技術方案
4、對節點電價和多維數據進行預處理，構建多維實時電價特征集。
5、根據歷史電價數據，建立引入自適應模糊神經網絡的bp神經系統的電價預測模型，構建多維基準電價特征集，并劃定電價正常范圍。
6、實時對比多維實時電價特征集和多維基準電價特征集，對異常節點電價進行多維回溯分析，分析電價異常原因。
7、根據回溯分析結果，按照異常原因進行分類，向技術人員發出異常報警。
8、作為本專利技術所述的基于多維回溯分析異常節點電價智能識別方法的一種優選方案，其中：所述影響節點電價的多維數據指標包括，以影響因素為依據分類六個指標，包括供需關系、發電成本、傳輸損耗、政策因素、市場機制和天氣條件。
9、作為本專利技術所述的基于多維回溯分析異常節點電價智能識別方法的一種優選方案，其中：所述對節點電價和多維數據進行預處理，構建多維實時電價特征集包括，計算數據特征的時序關聯，基于密度聚類算法識別并清洗異常數據，進而構建多維實時電價特征集。
10、根據采集模塊收集到的節點電價和多維數據整合成一個數據集，并根據該數據集建立數據空間，并在該空間內對數據進行排列。
11、計算數據特征點的密度，并根據實際去噪需求設定閾值，將數據空間中的數據劃分為兩個群組，表示為：
12、
13、其中，θ表示數據特征點密度，i表示數據，k表示空間中的數據維度，a表示數據在空間中的分布大小。
14、根據劃分的兩個群組，調整數據劃分界線，以滿足一個界限內的數據完全符合噪聲要求。對去噪后的數據進行歸一化處理，表示為：
15、
16、其中，zj表示歸一化后的標準格式的數據，j表示去噪后的數據，nj表示去噪后的數據的特征量，表示數據特征量的均值，s表示數據特征點的標準差，η表示密度系數。
17、計算數據特征的時序關聯，將數據映射到復數空間，提取數據特征，并構建數據特征提取的網絡模塊，建立散點特征矩陣。
18、利用時序模塊對原始數據特征進行全局性時序關聯，計算有序功效函數，表示為：
19、
20、其中，f表示有序功效函數，gj表示數據j的有序程度，gmax和gmin分別表示數據空間中最大有序程度和最小有序程度。
21、基于數據的時間序列，計算數據特征的時序關聯度，表示為：
22、
23、其中，δ表示數據特征時序關聯度，l表示數據特征的長，表示時間序列均值度。
24、作為本專利技術所述的基于多維回溯分析異常節點電價智能識別方法的一種優選方案，其中：所述基于密度聚類算法識別并清洗異常數據包括，將數據按照計算所得的特征時序關聯度在原始數據空間中進行反饋，設置數據與其相鄰數據的聚類簇點，確定數據的聚類歸屬。計算數據與其聚類簇點之間的歐式距離，表示為：
25、
26、其中，d表示簇點與數據在空間中的歐式距離，o表示數據聚類的簇點，lj表示數據在空間中的位置，lo表示簇點在空間中的位置。
27、根據聚類后的數據進行密度計算，表示為：
28、
29、其中，θ'表示聚類后的數據空間密度，x表示聚類連接點，m表示數據序列長度。
30、根據密度聚類計算，對密度聚類算法進行迭代，直至數據密度的計算值達到最優且不再變化。根據數據密度計算結果，設定異常識別的邊界值，表示為：
31、θ′＝μ±3σ
32、其中，μ表示密度均值，σ表示密度標準差。篩選不屬于邊界值之間的數據。
33、對識別出的異常數據進行清洗，根據異常數據時序關聯度的不同，劃分為局部缺失和長期缺失兩種異常類型，并通過矩陣求解數據缺失的時間序列長度，表示為：
34、
35、其中，h表示數據缺失的時間序列長度，c表示數據當前的維度。
36、建立最小化缺失函數，表示為：
37、j＝||h-y||2
38、其中，j表示為異常數據填補的缺失數據，h表示數據缺失的時間序列長度，y表示與異常數據時序關聯度相同的正常數據的時間序列長度。對異常數據的缺失部分進行填補。
39、對填補后的數據進行異常值檢測，判定其缺失度是否滿足需求。填補失敗的異常數據返回重新進行矩陣求解與填補，直至全部數據完成缺失填補。將填補后的數據在原始數據空間中進行反饋映射，并將其導回至數據庫。
40、作為本專利技術所述的基于多維回溯分析異常節點電價智能識別方法的一種優選方案，其中：所述引入自適應模糊神經網絡的bp神經系統的電價預測模型包括，bp神經網絡由輸入層、隱藏層和輸出層組成，每個層包含多個節點，節點之間通過連接權重系數相連。
41、輸入層負責接收外部信號的節點，隱藏層負責處理信息的中間層，輸出層產生網絡最終輸出的節點。
42、輸入層的信號通過隱藏層傳遞到輸出層，若輸出層的輸出與期望輸出一致，則學習過程結束。若不一致，則進入反向傳播階段。
43、根據預期輸出和實際輸出之間的誤差，通過反向傳播過程調整權重，以減小誤差。使用梯度下降法來更新權重。
44、通過前向傳播和反向傳播的過程來更新輸入層和隱藏層之間的連接權重以及隱藏層和輸出層之間的連本文檔來自技高網...
【技術保護點】
1.一種基于多維回溯分析異常節點電價智能識別方法，其特征在于，包括：
2.如權利要求1所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述影響節點電價的多維數據指標包括，以影響因素為依據分類六個指標，包括供需關系、發電成本、傳輸損耗、政策因素、市場機制和天氣條件。
3.如權利要求2所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述對節點電價和多維數據進行預處理，構建多維實時電價特征集包括，計算數據特征的時序關聯，基于密度聚類算法識別并清洗異常數據，進而構建多維實時電價特征集；
4.如權利要求3所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述基于密度聚類算法識別并清洗異常數據包括，將數據按照計算所得的特征時序關聯度在原始數據空間中進行反饋，設置數據與其相鄰數據的聚類簇點，確定數據的聚類歸屬；計算數據與其聚類簇點之間的歐式距離，表示為：
5.如權利要求4所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述引入自適應模糊神經網絡的BP神經系統的電價預測模型包括，BP神經網絡由輸入層、隱
6.如權利要求5所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述劃定電價正常范圍包括，結合使用基于均值和標準差的方法以及基于百分位數的方法，評估電價的正常范圍，根據多維基準電價特征集，計算算術平均值和標準差，以確定電價數據的中心趨勢和波動程度，表示為：
7.如權利要求6所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述對異常節點電價進行多維回溯分析，分析電價異常原因包括，將實時對實時電價與基準電價的正常范圍進行對比識別，判斷異常節點電價；對于檢測到的異常，確定哪些特征值偏離了正常范圍；
8.一種采用如權利要求1-7任一所述方法的一種基于多維回溯分析異常節點電價智能識別系統，其特征在于：
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種基于多維回溯分析異常節點電價智能識別方法，其特征在于，包括：
2.如權利要求1所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述影響節點電價的多維數據指標包括，以影響因素為依據分類六個指標，包括供需關系、發電成本、傳輸損耗、政策因素、市場機制和天氣條件。
3.如權利要求2所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述對節點電價和多維數據進行預處理，構建多維實時電價特征集包括，計算數據特征的時序關聯，基于密度聚類算法識別并清洗異常數據，進而構建多維實時電價特征集；
4.如權利要求3所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述基于密度聚類算法識別并清洗異常數據包括，將數據按照計算所得的特征時序關聯度在原始數據空間中進行反饋，設置數據與其相鄰數據的聚類簇點，確定數據的聚類歸屬；計算數據與其聚類簇點之間的歐式距離，表示為：
5.如權利要求4所述的基于多維回溯分析異常節點電價智能識別方法，其特征在于：所述引入自適應模糊神經網絡的bp神經系統的電價預測模型包括，bp神經網絡由輸入層、隱藏層和輸出層組成，每個層包...
【專利技術屬性】
技術研發人員：何勇琪，王俊，莫若慧，鄒明龍，姚君旺，胡劍琛，毛李帆，
申請(專利權)人：海南電網有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。