[发明专利]一种基于电网调控数据的数据挖掘方法

说明书

本发明公开了一种基于电网调控数据的数据挖掘方法，包括：利用数据梳理模型对电网调控数据挖掘对象进行数据梳理；根据指数平滑算法计算的平滑值建立二次指数平滑算法预测模型及灰度算法预测模型；基于所述二次指数平滑算法预测模型结合所述灰度算法预测模型深度分析预测梳理后的数据，得到线路及配变未来几年最大负载的预测值，完成数据挖掘。本发明能够深度的分析主配网调控数据，能对数据进行深度分析预测，从而提高电网调控数据的数据利用率；实现对设备状态的预测，提高了电网调度控制的及时性。

技术领域

本发明涉及数据挖掘的技术领域，尤其涉及一种基于电网调控数据的数据挖掘方法。

背景技术

随着电网规模的翻倍增长，客户对供电可靠性要求的增高，对供电企业的生产运维工作的效率和质量提出了更高的要求，变电站数量的逐渐增加，尤其是老城区的线路改造、新城区的电缆配电网路径的铺设，导致电网调控数据的数据体量成倍增长，调控数据体量大，数据结构不一，数据杂乱等原因，导致现有的调控数据分析只能停留在简单统计分析层面，对调控人员的决策分析提供了简单数据基础，缺少对调控数据的深度数据挖掘和分析。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的技术问题是：现有的电网调控数据分析停留在简单的统计分析展示层面，缺少深度的分析，缺少对数据的总体分析，所以现在有的统计分析只存在于对数据浅层面进行分析，没有充分利用调控数据。

为解决上述技术问题，本发明提供如下技术方案：利用数据梳理模型对电网调控数据挖掘对象进行数据梳理；根据指数平滑算法计算的平滑值建立二次指数平滑算法预测模型及灰度算法预测模型；基于所述二次指数平滑算法预测模型结合所述灰度算法预测模型深度分析预测梳理后的数据，得到线路及配变未来几年最大负载的预测值，完成数据挖掘。

作为本发明所述的基于电网调控数据的数据挖掘方法的一种优选方案，其中：所述二次指数平滑法的预测模型包括，

其中，a_t、b_t分别表示模型参数，T表示预测超前期数。

作为本发明所述的基于电网调控数据的数据挖掘方法的一种优选方案，其中：所述灰度预测算法模型包括GM(1,1)模型，具体包括1阶的、1个变量的微分方程模型。

作为本发明所述的基于电网调控数据的数据挖掘方法的一种优选方案，其中：所述电网调控数据包括主网数据和配网数据。

作为本发明所述的基于电网调控数据的数据挖掘方法的一种优选方案，其中：所述数据梳理清洗原则包括数据填充、前后均值替换、直接删除样本。

作为本发明所述的基于电网调控数据的数据挖掘方法的一种优选方案，其中：所述a_t和b_t计算如下所示：

其中，表示第t+T期预测值，表示第t期的一次指数平滑值，表示第t期的二次指数平滑值。

作为本发明所述的基于电网调控数据的数据挖掘方法的一种优选方案，其中：所述一次指数平滑算法包括，

其中，α表示平滑常数(0≤α≤1)。

作为本发明所述的基于电网调控数据的数据挖掘方法的一种优选方案，其中：所述二次指数平滑法包括，基于实际观察值计算两次平滑值，并在此基础上建立预测模型并进行预测。