[发明专利]一种台变用电负荷异常数据的快速检测方法

说明书

技术领域

本发明涉及一种台变用电负荷异常数据的快速检测方法，属台变运行检测技术领域。

背景技术

在正常情况下，电网的负荷呈现出一定的有规律的趋势。但是，在某些特殊的情况下，负荷曲线会出现巨大的波动，而这种负荷数据上的巨大波动有可能是采集与传输上误差所致，也可能标示着负荷的剧变。因此对负荷数据的剧变进行分析、挖掘与预测是一个非常重要的内容，它可以给调度管理部门提前给一个估计，以便制定紧急事故下的运行管理方式及拉闸限电序位表，以防止电网崩溃与瓦解。

开展异常数据检测与挖掘是比较棘手的工作，所得的结果少而散，并且由于异常数据的多样性与复杂性导致并不存在着异常数据检测的通用算法，需要针对不同类型的数据提出有效的检测方法。

发明内容

本发明的目的是，为了实现台变用电负荷异常数据的快速检测及挖掘，本发明提出一种台变用电负荷异常数据的快速检测方法。

本发明方法包括下述步骤：

(1)对实测数据进行数据预处理，剔除实测数据中的缺损数据，建立训练样本集；

(2)对所建立的样本数据集进行差分处理，得到台变用电负荷数据的差分序列；

(3)使用步骤(2)得到的台变用电负荷数据的差分序列，构造Gaussian分布模型，确定Gaussian分布模型参数；

(4)计算给定置信度水平下步骤(3)中Gaussian分布的置信区间，作为台变用电负荷异常数据的判定阈值；

(5)利用步骤(4)所建立的分布模型进行台变用电负荷的异常数据检测。

本发明步骤(2)中，差分处理是一阶向后差分，其数学表达式为：

Δx(t)＝x(t)-x(t-1)，t＝2，3，...

其中，x(t)是t时刻台变用电负荷值，Δx(t)是t时刻台变用电负荷的一阶向后差分值。

本发明步骤(4)中，Gaussian分布模型的数学表达式为：

f(y)=12πσexp(-(y-μ)22σ2)]]>

其中f为Gaussian分布的概率密度函数，μ是位置参数，σ是尺度参数。

本发明步骤(4)中，确定Gaussian分布参数的方法为最小二乘估计法。

本发明步骤(4)的计算给定置信水平下Gaussian分布的置信区间的方法包括：

(4.1)估计样本标准差σ，其数学表达式为：

其中，s为总体标准差，n为样本个数。

(4.2)当抽取的样本数量足够大时，根据中心极限定理，认为样本均值近似地服从Gaussian分布。其Z统计量的计算公式为：

Z=y‾-μσ]]>

其中为样本均值，μ为总体均值。

(4.3)在给定1-α的置信水平下，总体均值μ的置信区间为：