[发明专利]一种电力物联网架构下的需量态势感知方法

权利要求书

1.一种电力物联网架构下的需量态势感知方法，其特征在于，包括以下步骤：

步骤一，构建混合传感器网络：将具备有线或无线通信功能的传感器组成一个有线/无线混合传感器网络，采样节点的电压、电流、功率信号；

步骤二，配置中继节点：建立混合传感器网络模型，根据通信方式和地理位置配置混合型传感器网络中继节点，通过中继节点将所有传感器构造成一个传感器网络；

步骤三，数据上传云端：将传感器采集的电压、电流、功率数据通过中继节点传送到网关节点，网关节点将数据传送到云端；

步骤四，构建多维时间序列：云端将电压、电流、功率数据按列合并构建多维时间序列；

步骤五，需量自相关性分析：通过自协方差方程进行需量自相关性分析，得到输入时间步长；

所述步骤五中，需量自相关性分析公式为：

其中R(d)为自相关系数，d是时间滞后长度，x_i表示时刻i的需量值，x_i+d表示时刻i+d的需量值，是整个需量序列均值，n为总时刻，使得R(d)≥0.96的d的最大值确定为输入时间步长；

步骤六，多变量相关性分析：通过探索性数据分析方法统计分析相关的外部因素变量与需量之间的相关关系，得到输入数据维度；

所述步骤六中，多变量相关性分析具体过程为：在x轴上放置当前时刻需量，在y轴上放置电压、电流、功率外部因素变量，在坐标系上绘制出当前时刻需量与电压、电流、功率外部因素变量的散点图，通过观察散点图的分布情况判断电压、电流、功率等外部因素变量与需量相关性，当前时刻需量变大时，电压、电流、功率外部因素变量随之变大，则为正相关，反之则为负相关，电压、电流、功率外部因素变量不随当前时刻需量的变化而变化则不相关，与需量正相关的外部因素变量计入输入数据维度；

步骤七，数据预处理：对多维时间序列中的数据进行归一化；

步骤八，构建需量预测模型：需量预测模型第一层为输入层，第二层为长短期记忆网络层，第三层为Dropout层，第四层为全连接层，最后一层为输出层，模需量预测模型采用sigmoid激活函数和Adam优化器；

步骤九，进行超短期需量预测：将归一化后的数据结合输入时间步长和输入数据维度得到数据集，将数据集输入需量预测模型，进行超短期需量预测。

2.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤一中，对每个传感器所监测负荷与总负荷的占比进行判断，将占比大于1％的传感器设置为传感器网络节点。

3.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤二中，传感器网络节点配置模型为：

其中v_s是传感器网络节点s，v_t是传感器网络节点s的邻节点，R表示无线通信距离，当S(v_s,v_t)为1时，为传感器网络配置一个相应的中继节点。

4.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤四中，通过需量计算构建多维需量时间序列，需量计算模式为滑动区块模式，计算公式为：

其中P_demand,k为第k个计量时段内的需量，W_k为第k个计量时段内累计的电能，每个计量时段周期τ为15分钟。

5.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤七中，对时间序列数据中的空值填充为0，并对时间序列数据进行归一化，公式为：

其中表示时刻i的归一化变量值，x′_i表示时刻i的变量值，x_max和x_min分别表示各变量时间序列中的最大值和最小值。

6.根据权利要求1所述的电力物联网架构下的需量态势感知方法，其特征在于，所述步骤九具体步骤为：

9-1)对于时间序列数据，选定输入时间步长为j，输入数据维度为m，输出时间步长为f，即用j×m个历史数据，预测未来f个数据，构造数据集形如其中j通过需量自相关性分析产生，f根据实际需求确定，m通过多变量相关性分析产生；

其中对于时刻t，O_x＝{O_t-j,O_t-j+1,···,O_t}，···，S_x＝{S_t-j,S_t-j+1,···,S_t}，T_y＝{T_t+1,T_t+2,···,T_t+f}，其中O_x,P_x,···,S_x是通过相关性分析得到的需量、电压、电流、功率等时间序列，O_t-j+1表示O_x序列t-j+1时刻的序列值，S_t-j+1表示S_x序列t-j+1时刻的序列值，T_y是输出的真实值时间序列，T_t+f表示T_y序列t+f时刻的序列值；

9-2)将O_x,P_x,···,S_x等时间序列输入需量预测模型得到预测结果序列