[发明专利]一种基于数据白化的配电网可靠性指标预处理方法

说明书

本发明提供了一种基于数据白化的配电网可靠性指标预处理方法。本发明通过获取待建模的配电网供电可靠性指标池，构建配电网供电可靠性指标的增量化特征池，计算可靠性指标特征池中指标两两间的皮尔逊相关系数，根据皮尔逊相关系数对可靠性指标进行筛选分组，构建原数据矩阵，对原数据矩阵进行数据白化处理获得类正交的新数据矩阵，完成可靠性指标的预处理。本发明能够更有效提高配电网供电可靠性的评估准度。

技术领域

本发明涉及电力领域，具体涉及一种基于数据白化的配电网可靠性指标预处理方法。

背景技术

配电网的供电可靠性对工业生产及居民用电具有十分重要的影响。为了对配电网的供电可靠性进行恰当的评估，挖掘各项业务过程指标及投资指标对可靠性指标的影响，需要构建若干关联模型，关联模型的有效性程度对促进电网可靠性评估朝科学、客观方向发展的重要前提。随着电网信息化程度的不断提升，可靠性指标、业务过程指标、投资指标等的历史数据较之以前变得更为容易获得。在大数据的时代背景下，所能收集到的可靠性指标、业务过程指标及投资指标呈现快速增长的趋势。由于可靠性指标、业务过程指标及投资指标间通常具有不同程度的关联性，大部分关联模型在构建过程中要求自变量指标池中指标间具有较低的关联度。为确保关联模型的挖掘效果具有较高的可信度，在进行关联模型的构建之前，需要对相关指标的历史数据进行预处理，以获得类正交(即低关联度)的自变量指标池。

现阶段配电网可靠性评估方面所涉及的数据预处理方法，多关注数据样本内部的取值范围、分散程度限制、平均值或中位数范围限制等，以常规的标准化或归一化方法为主，或采用主成分分析进行原始数据间关联度的弱化处理，预处理方法较为单一，难以获得所用方法有效性的评价或对比，同时忽略了不同可靠性指标间事实上存在分组特征。总体上现有方法对业务逻辑、客观数据信息的重视程度不足，预处理后获得的数据具有不同程度的偏差，用于构建关联模型时可能导致不可预判的趋势性误差，进而导致难以获得较为准确的关联模型。

发明内容

为解决现有技术存在的技术问题，本发明提供了一种基于基于数据白化的配电网可靠性指标预处理方法。为实现本发明的目的，本发明的技术方案如下。

一种基于数据白化的配电网可靠性指标预处理方法，包括以下步骤：

获取待建模的配电网供电可靠性指标池；

构建配电网供电可靠性指标的增量化特征池；

计算可靠性指标特征池中指标两两间的皮尔逊相关系数，根据皮尔逊相关系数对可靠性指标进行筛选分组，构建原数据矩阵；

对原数据矩阵进行数据白化处理获得类正交的新数据矩阵，完成可靠性指标的预处理。

优选的，所述构建配电网供电可靠性指标的增量化特征池包括：采用公式(1)构建增量化可靠性指标：

Δx＝z_i-z_i-1,及

其中，z_i为原始投资指标第i年的数据值，z_i-1为原始投资指标第i-1年的数据值，Δx表示差值型增量可靠性指标，表示比值型增量可靠性指标。

优选的，所述计算可靠性指标特征池中指标两两间的皮尔逊相关系数包括：

采用公式(2)计算原可靠性指标两两间的皮尔逊相关系数，

其中，x_i、x_j分别表示非增量可靠性指标i,j的数据值，表示非增量可靠性指标数据的平均值；

采用公式(3)计算差值型增量可靠性指标两两间的皮尔逊相关系数