[发明专利]一种基于证据理论的电力市场结算数据风险处理方法

权利要求书

1.一种基于证据理论的电力市场结算数据风险处理方法，其特征在于，包括：

步骤1：对电力市场结算数据进行分类得到分类后电力市场结算数据，并对分类后电力市场结算数据进行异常数据处理得到训练样本；

步骤2：采用Min-Max标准化方法分别对训练样本和待检测样本进行数据预处理，得到标准化后的训练样本和待检测样本；

步骤3：利用标准化后的训练样本分别对BP神经网络、RBF神经网络、GRNN神经网络进行训练，将标准化后的待检测样本分别输入到训练后BP神经网络、训练后RBF神经网络、训练后GRNN神经网络中，分别得到BP神经网络基本可信度、RBF神经网络基本可信度、GRNN神经网络基本可信度；

步骤4：计算证据E_α对各命题的不可信度，通过该不可信度计算证据E_α对各命题的权重，并在原有基本可信度分配基础上乘以该权重得到新的基本可信度分配，再按照D-S证据理论方法中的证据融合规则对新的基本可信度分配进行多证据融合；

步骤5：利用多证据融合后的基本可信度分配判断数据是否异常，并对异常数据进行重构；

步骤4中所述计算证据E_α对各命题的不可信度：

步骤4中所述证据E_α对各命题的不可信度等于证据E_α对于各命题的相互矛盾系数平均值，相互矛盾系数平均值通过冲突系数计算；

计算对于每个命题的三个证据两两之间的冲突系数，每个命题的冲突系数计算方法为：

其中：α,β＝BP,RBF,GRNN；表示证据E_α对于命题的基本可信度分配；表示对于命题证据E_α与E_β之间的冲突系数；

而证据E_α对于命题的相互矛盾系数为：

证据E_α对于命题的相互矛盾系数平均值即为步骤4中所述证据E_α对各命题的不可信度；

步骤4中所述通过该不可信度计算证据E_α对各命题的权重，并在原有基本可信度分配基础上乘以该权重得到新的基本可信度分配：

步骤4中所述证据E_α对各命题的权重为在原有基本可信度分配基础上乘以该权重，得到考虑到冲突因子后证据E_α对于命题新的基本可信度分配计算公式为：

步骤4中所述再按照D-S证据理论方法中的证据融合规则对新的基本可信度分配进行融合为：

步骤4中所述D-S证据理论方法中的证据融合规则为：

其中：

得到命题进行多证据融合后的基本可信度分配

步骤5中所述利用多证据融合后的基本可信度分配判断数据是否异常为：

判断对数据正常的信度是否大于对数据异常的信度若大于则认为数据正常，若正常信度较小但高于重构阈值T则认为该数据为异常数据但其异常程度在可接受范围内,若信度低于重构阈值T，则认为该数据的异常程度较高，偏离正常水平过多，此时若仍按异常数据进行结算则会产生较大风险，需要对该异常数据进行重构，并将该异常数据记为P″_K,i,j，且P″_K,i,j为未进行标准化的数据；

步骤5中所述对异常数据进行重构为：

考虑多项式拟合以及历史相关性相结合的方法对信度低于重构阈值T的异常数据P″_K,i,j进行重构，首先对需要重构数据P″_K,i,j的处于的第i市场主体的各结算间隔为横坐标，数据初值为纵坐标进行多项式曲线拟合，再计算拟合曲线的曲率，若曲率小于设定的曲率阈值Q，认为结算数据波动较小，使用拟合曲线的结果作为重构数据P″′_K,i,j，若曲率大于曲率阈值Q，认为结算数据波动较大，利用历史同期数据并考虑时间变化特征计算重构数据P″′_K,i,j，计算公式为：

P″′_K,i,j＝P_K,i,j′(1+τ)

其中，P_K,i,j′为历史同期数据，j′表示历史同期结算间隔，τ为用电量增长率，设为5％，体现当前和历史同期水平的差异。