基于非参数回归分析的工业负荷异常值识别与修正方法

发布时间：2018-01-29 12:15

  本文关键词： 负荷管理 模式分类 异常数据识别 非参数回归分析　出处：《电力系统自动化》2017年18期 　论文类型：期刊论文

【摘要】：工业负荷数据记录了用户的用电模式以及电量需求水平等重要信息,但是会因为干扰而导致记录数据中掺杂有异常值。针对上述问题,文中提出了利用非参数回归理论对工业用户负荷异常值展开辨析和更正。首先,考虑负荷数据时序相关特性,采用统计模糊矩阵分类法,对工业用户负荷进行用电模式分类,将负荷数据分为基础用电模式数据集和特殊用电模式数据集。然后,利用基础用电模式数据集,考虑各时刻的负荷数值分布情况,通过非参数回归分析方法提取中心负荷向量,进而构造异常数据域,对负荷异常值进行识别。最后,在常规加权均值法的基础上,引入负荷水平映射关系,完成对负荷异常值的修正。算例采用实际工业负荷数据进行测试,结果表明了所提方法的准确性。
[Abstract]:Industrial load data record the important information such as power consumption mode and power demand level, but it will lead to the abnormal value in the recorded data because of interference. In this paper, the nonparametric regression theory is proposed to discriminate and correct the abnormal value of industrial user load. Firstly, considering the time-related characteristics of load data, the statistical fuzzy matrix classification method is adopted. The load data are divided into basic power mode data set and special power mode data set. Then, the basic power consumption mode data set is used. Considering the load numerical distribution at each time, the center load vector is extracted by non-parametric regression analysis, and then the abnormal data domain is constructed to identify the load outliers. Based on the conventional weighted mean method, the load level mapping relationship is introduced to complete the correction of the abnormal load value. The actual industrial load data are used to test the proposed method. The results show the accuracy of the proposed method.
【作者单位】： 陕西省智能电网重点实验室(西安交通大学电气工程学院);国网铜川供电公司;
【基金】：陕西省重点研发计划重点产业创新链资助项目(2017ZDCXL-GY-02-03)~~
【分类号】：TM714
【正文快照】： 上网日期:2017-07-28。陕西省重点研发计划重点产业创新链资助项目(2017ZDCXL-GY-02-03)。0引言随着中国电力网络智能化水平的提高和电力市场改革的深入,电力负荷数据逐渐成为应用最为广泛的数据之一,其在电力系统运行、电力消费分析和用电需求管控等方面,都起到了不可替代的，

本文编号：1473395