基于海量計(jì)量數(shù)據(jù)的用電設(shè)備能效混沌分析方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電氣工程技術(shù)領(lǐng)域，特別涉及一種基于海量計(jì)量數(shù)據(jù)的用電設(shè)備能效 混沌分析方法。
【背景技術(shù)】
[0002] 目前我國(guó)電能結(jié)構(gòu)的特點(diǎn)表現(xiàn)為：高能耗行業(yè)比重較高，工業(yè)經(jīng)濟(jì)對(duì)電力、煤炭等 能源的依賴性極其突出。就目前國(guó)內(nèi)外形勢(shì)來看，能源已經(jīng)成為影響企業(yè)發(fā)展與規(guī)模擴(kuò)大 的關(guān)鍵因素。然而，隨著企業(yè)的快速發(fā)展和規(guī)模的不斷擴(kuò)大，能源的需求量不斷增加的同 時(shí)，浪費(fèi)現(xiàn)象也很嚴(yán)重。同時(shí)，我國(guó)電力最高負(fù)荷普遍持續(xù)較快增長(zhǎng)，峰谷差增大，高峰時(shí)段 和電力設(shè)備檢修季節(jié)電力供應(yīng)緊張，給電網(wǎng)安全運(yùn)行帶來很大威脅，也給電力負(fù)荷分析預(yù) 測(cè)、電網(wǎng)規(guī)劃帶來許多困難?，F(xiàn)在多是對(duì)電網(wǎng)負(fù)荷預(yù)測(cè)的研究，對(duì)用電負(fù)荷分類的研究相對(duì) 較少，而用電負(fù)荷分類是負(fù)荷預(yù)測(cè)的基礎(chǔ)，通過用電負(fù)荷特性分析和負(fù)荷分類，摸清電網(wǎng)負(fù) 荷的變化規(guī)律并對(duì)其進(jìn)行能效分析是很有必要的，因此，研究準(zhǔn)確的合適的用電負(fù)荷分類 方法具有重要意義。
[0003] 混沌理論是一種兼具質(zhì)性思考與量化分析的方法，用以探討動(dòng)態(tài)系統(tǒng)中無法用單 一的數(shù)據(jù)關(guān)系，而必須用整體、連續(xù)的數(shù)據(jù)關(guān)系才能加以解釋及預(yù)測(cè)的行為。其具有隨機(jī) 性、敏感性、分維性、普適性、標(biāo)度律等特性。在用電負(fù)荷分類的基礎(chǔ)上，結(jié)合混沌分析理論， 充分挖掘負(fù)荷歷史數(shù)據(jù)的本質(zhì)特征，有效利用信息資源，根據(jù)數(shù)據(jù)本身的客觀規(guī)律來進(jìn)行 預(yù)測(cè)，避免人為主觀性，從而提高預(yù)測(cè)精度，在電力負(fù)荷預(yù)測(cè)中取得較好效果。同時(shí)電力 負(fù)荷的準(zhǔn)確預(yù)測(cè)，能夠?yàn)殡娋W(wǎng)調(diào)度部門制定發(fā)供電方案、平衡電網(wǎng)供需提供依據(jù)，有助于 系統(tǒng)運(yùn)行部門對(duì)電能的生產(chǎn)、輸送、分配以及消費(fèi)的準(zhǔn)確估計(jì)，制定出安全、高效的發(fā)電計(jì) 劃。根據(jù)負(fù)荷預(yù)測(cè)提供的準(zhǔn)確信息，能夠?qū)崿F(xiàn)發(fā)電容量的合理調(diào)度，經(jīng)濟(jì)合理地安排發(fā)電 機(jī)組的啟停，為各發(fā)電機(jī)組的檢修提供依據(jù)。
[0004] 電力負(fù)荷的預(yù)測(cè)就是根據(jù)電力負(fù)荷的歷史數(shù)據(jù)以及當(dāng)前的負(fù)荷值來對(duì)其未來的 電力負(fù)荷的數(shù)據(jù)進(jìn)行推算，面對(duì)的研宄對(duì)象是具有隨機(jī)性和不確定性的混沌系統(tǒng)。近年 來，通過科研人員對(duì)其進(jìn)行深入研究，己經(jīng)總結(jié)出了許多經(jīng)驗(yàn)及原理，對(duì)今后的電力負(fù)荷 預(yù)測(cè)工作提供了指導(dǎo)。
[0005] 了解電力負(fù)荷發(fā)展變化的規(guī)律，提高電力需求預(yù)測(cè)的準(zhǔn)確性，分析出波峰和低谷 時(shí)段的用電特征，對(duì)用電設(shè)備的耗電情況應(yīng)用能效混沌分析方法，提取同類負(fù)荷的共同本 質(zhì)特征，對(duì)提高用戶電能利用率、保證電網(wǎng)安全穩(wěn)定運(yùn)行、增強(qiáng)電網(wǎng)綜合服務(wù)能力有著重要 的經(jīng)濟(jì)效益和社會(huì)效益。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明提出一種基于海量計(jì)量數(shù)據(jù)的用電設(shè)備能效混沌分析方法，采用先進(jìn)的計(jì) 量數(shù)據(jù)的分析方法與試驗(yàn)檢測(cè)系統(tǒng)相結(jié)合，分析用戶用電設(shè)備的使用情況與用戶用電數(shù)據(jù) 關(guān)聯(lián)關(guān)系，進(jìn)而獲得用戶的用電習(xí)慣以及不同用電設(shè)備的負(fù)荷特性關(guān)系，運(yùn)用模糊聚類方 法實(shí)現(xiàn)對(duì)電力負(fù)荷的分類，得到其相應(yīng)聚類中心矩陣，分析聚類結(jié)果和聚類中心矩陣，使 電力負(fù)荷分類達(dá)到最優(yōu)。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案，本發(fā)明包括以下步驟：
[0008] 1)采用模糊C均值聚類（FCM)用隸屬度確定用戶的綜合負(fù)荷特性屬于某個(gè)聚類的 程度，把η個(gè)行業(yè)用戶 Xl (i = 1，2,，，η)分為c個(gè)模糊類，并求取每類的聚類中心，使類 內(nèi)加權(quán)誤差平方和函數(shù)達(dá)到最??；FCM用模糊劃分，使得每個(gè)給定數(shù)據(jù)點(diǎn)用值在（0，1)間的 隸屬度來確定其屬于各個(gè)組的程度；與引入模糊劃分相適應(yīng)，隸屬矩陣U允許有取值在0-1 間的元素；歸一化規(guī)定，一個(gè)數(shù)據(jù)集的隸屬度的總和等于1 :
[0010] FCM的價(jià)值函數(shù)（或目標(biāo)函數(shù)）是：
[0012] 這里Ul]介于（〇, 1)間；Cl為模糊組I的聚類中心，屯=11 Cl-X] 11為第I個(gè)聚類 中心與第j個(gè)數(shù)據(jù)點(diǎn)間的歐幾里德距離；m e [1，00)是加權(quán)指數(shù)；
[0013] 構(gòu)造如下新的目標(biāo)函數(shù)，求得使（2)式達(dá)到最小值的必要條件：
[0015] 這里λ ,，j = 1到n，是⑴式的n個(gè)約束式的拉格朗日乘子；對(duì)所有輸入?yún)⒘壳?導(dǎo)，使式（2)達(dá)到最小的必要條件為：
[0019] 由上述兩個(gè)必要條件，模糊c均值聚類算法為迭代過程；
[0020] 2)采用相空間重構(gòu)的方法對(duì)分類后的電力負(fù)荷數(shù)據(jù)進(jìn)行建模，通過測(cè)量得到 采樣負(fù)荷信號(hào)的時(shí)間序列矩陣，{xj = {X(kT)}，其中k = 0，K，N，Τ為采樣周期，每個(gè) X(kT)為kT時(shí)刻實(shí)測(cè)的m維向量；然后針對(duì)X(kT)的第i個(gè)分量構(gòu)造形式上的狀態(tài)向量 A.;(々n = [<(々7')，<(々7-Ι)Γ,)]7i = 1，…，m;其中 τ =[τι τ2 9 ，κ, τ JT是未知的延遲時(shí)間向量，τ i是τ的第i個(gè)分量（i = 1，. . .，m) ;n =[叫η2 ,Κ， 10'111是11的第1個(gè)分量，是未知的嵌入維數(shù)（1 = 1，...，111);為了確定^和111值，從而 確定τ和η，首先利用時(shí)間序列計(jì)算
[0024] 其中k' <k，k' = 0, 1，K，E(g)是期望值，g是平均值，ν?)是線性相關(guān)的函數(shù)， 是非線性相關(guān)的函數(shù)；設(shè)置^分別是和達(dá)到第一個(gè)最小值 的時(shí)間，得到如下時(shí)間單元：
[0026] 延遲時(shí)間常數(shù)τ i選擇為
[0028] 其中Int[g]表示實(shí)數(shù)的整數(shù)部分；然后通過采用相關(guān)函數(shù)來計(jì)算吸引子的相關(guān) 維數(shù)：

[0030] 其中1是一個(gè)常參數(shù)；Θ為Heaviside函數(shù)； 子的估計(jì)維數(shù)彤，混沌系統(tǒng)的第i個(gè)分量的嵌入維數(shù)為Α?#1
[0031] 3)重構(gòu)混沌系統(tǒng)的相空間后，采用神經(jīng)網(wǎng)絡(luò)的ΒΡ算法，通過模糊雙曲正切模型作 為混沌系統(tǒng)的全局逼近模型，得到如下映射
[0032] Xk - Xk+1 = f(Xk) = A(t)tanh(LXk) (11)
[0033] 系統(tǒng)矩陣A(t)為維數(shù)的時(shí)變矩陣，依據(jù)典型用戶不同而定；L為對(duì)角矩陣；
[0034] 基于模型（11)，引入誤差反饋控制，建立一個(gè)動(dòng)態(tài)控制系統(tǒng)用來預(yù)測(cè)短期內(nèi)各負(fù) 荷信號(hào)，該系統(tǒng)為：
[0035]
[0036] 其中Xk為當(dāng)前時(shí)刻測(cè)得的信號(hào)向量，為預(yù)測(cè)的下一采樣時(shí)刻的信號(hào)向量； u(ek)為控制器，利用歷史數(shù)據(jù)設(shè)置；^w =教「不+1 ;電力系統(tǒng)正常運(yùn)行狀況下，通過控 制器u(ek)的保證
[0037] | |ek+1| | 彡 ε (13)
[0038] 其中ε為預(yù)先指定的小常數(shù)；如果電力系統(tǒng)運(yùn)行不正常（即不滿足電力系統(tǒng)正 常運(yùn)行遵守的等式約束條件和不等式約束條件，這些條件在本科課本中有記載），控制器 u(ek)不保證（13)成立。
[0039] 作為一種優(yōu)選方案，本發(fā)明所述系統(tǒng)矩陣A(t)為適當(dāng)維數(shù)的時(shí)變矩陣，依據(jù)用戶 負(fù)荷等級(jí)不同設(shè)定。
[0040] 作為另一種優(yōu)選方案，本發(fā)明選取用戶綜合負(fù)荷靜特性基本數(shù)據(jù)，將其數(shù)據(jù)進(jìn)行 聚類分析；選取負(fù)荷樣本在數(shù)據(jù)采集的基礎(chǔ)上，根據(jù)負(fù)荷等級(jí)的不同的需要，在正常工作時(shí) 間和維用戶維選取一定容量的負(fù)荷數(shù)據(jù)，作為負(fù)荷分類的輸入樣本；在進(jìn)行負(fù)荷分類之前， 進(jìn)行原始負(fù)荷數(shù)據(jù)的清洗和預(yù)處理，包括不良數(shù)據(jù)的辨識(shí)和修正、數(shù)據(jù)標(biāo)準(zhǔn)化和無量綱化 處理；
[0041] 在樣本選取和數(shù)據(jù)預(yù)處理之后，選擇模糊C均值聚類算法進(jìn)行負(fù)荷分類；認(rèn)識(shí)和 挖掘各類負(fù)荷的特點(diǎn)，輔助支持電力系統(tǒng)的決策；
[0042] 在批處理方式運(yùn)行時(shí)，模糊C均值聚類算法用下列步驟確定聚類中心Cl和隸屬矩 陣U :
[0043] 步驟1 :用值在[0, 1]間的隨機(jī)數(shù)初始化隸屬矩陣U，使其滿足式（1)中的約束條 件；
[0044] 步驟2 :用式⑷計(jì)算c