买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网吉林省电力有限公司信息通信公司

摘要：本发明提供一种电力负荷的混沌相空间神经网络模型安全监测方法，涉及电力负荷安全监测技术领域，本发明包括：计算电力负荷和温度、湿度、风速数据间的相关系数，并结合温度、湿度、风速和相关系数以生成环境相关系数；计算电力负荷和电力价格、节假日赋值数据间的相关系数，并结合电力价格、节假日赋值和相关系数以生成人为相关系数；本发明在对电力负荷进行预测时，引入了温度、湿度、风速、电力价格以及是否为节假日的影响因素，提高对电力负荷预测的精准性，并通过将温度、湿度和风速合并成环境相关系数，将节假日赋值和电力价格合并成人为相关负荷的设置，降低模型训练的计算量以提高模型训练的效率。

主权项：1.一种电力负荷的混沌相空间神经网络模型安全监测方法，其特征在于，包括如下步骤：S1，连续采集多个历史时刻下的电力负荷、温度、湿度、风速、电力价格以形成电力负荷时间序列数据、温度时间序列数据、湿度时间序列数据、风速时间序列数据、电力价格时间序列数据；S2，对步骤S1中的数据进行预处理，并以将为节假日的历史时刻赋值为1、将为非节假日的历史时刻赋值为0的方式生成节假日赋值时间序列数据，预处理包括替换异常值、补充缺失值、归一化处理；S3，计算电力负荷和温度、湿度、风速数据间的相关系数，并结合温度、湿度、风速和各个相关系数以生成与电力负荷相关的环境相关系数，将环境相关系数汇总以形成用于提高混沌相空间神经网络模型学习能力和预测精准性的环境时间序列数据；S4，计算电力负荷和电力价格、节假日赋值数据间的相关系数，并结合电力价格、节假日赋值和各个相关系数以生成与电力负荷相关的人为相关系数，将人为相关系数汇总以形成用于提高混沌相空间神经网络模型学习能力和预测精准性的人为时间序列数据；S5，基于混沌相空间重构技术处理电力负荷时间序列数据、环境时间序列数据和人为时间序列数据，确定电力负荷时间序列数据、环境时间序列数据和人为时间序列数据各自的延迟时间和嵌入维度，并将全部延迟时间的平均值作为综合延迟时间，并将全部嵌入维度中的最大值作为综合嵌入维度；S6，将电力负荷时间序列数据、环境时间序列数据和人为时间序列数据合并形成综合时间序列数据，并通过综合延迟时间和综合嵌入维度对综合时间序列数据进行混沌相空间重构；S7，构建神经网络模型，从混沌相空间中提取历史轨迹数据，按照时间顺序将历史轨迹数据划分为训练集和测试集，并确保训练集和验证集中的数据均是连续的时间序列，将训练集输入至神经网络模型中进行训练，并将测试集输入至训练后的神经网络模型中进行测试，以得到训练完成的电力负荷预测模型，电力负荷预测模型的输入量为前一时刻的电力负荷、环境相关系数和人为相关系数，输出量为后一时刻的电力负荷；S8，按照步骤S1-S6的方法采集待监测电力系数的数据并进行处理，将处理后的数据输入至电力负荷预测模型中以预测未来电力负荷，并将预测的未来电力负荷和电力系统的安全电力负荷阈值进行对比，在预测的未来电力负荷超过安全电力负荷阈值时报警；将第k个历史时刻的所述节假日赋值和经步骤S2预处理后的所述电力负荷、所述温度、所述湿度、所述风速、所述电力价格分别标定为JFk、Pk、Tk、RHk、Vk、JGk，k表示不同历史时刻的编号，且k＝1、2、3、……、K，K表示历史时刻的总个数，且K∈N+；计算电力负荷和温度、湿度、风速数据间的相关系数，并结合温度、湿度、风速和各个相关系数以生成与电力负荷相关的环境相关系数，将环境相关系数汇总以形成用于提高混沌相空间神经网络模型学习能力和预测精准性的环境时间序列数据的具体逻辑为：S31，计算电力负荷和温度间的温度相关系数，计算公式如下： 其中，表示电力负荷时间序列数据中各个电力负荷数据的平均值，表示温度时间序列数据中各个温度数据的平均值，rP,T表示温度相关系数；S32，计算电力负荷和湿度间的湿度相关系数，计算公式如下： 其中，表示湿度时间序列数据中各个湿度数据的平均值，rP,RH表示湿度相关系数；S33，计算电力负荷和风速间的风速相关系数，计算公式如下： 其中，表示风速时间序列数据中各个风速数据的平均值，rP,V表示风速相关系数；S34，对温度相关系数、湿度相关系数和风速相关系数进行等比例缩放以生成温度权重、湿度权重和风速权重，且温度权重、湿度权重和风速权重满足绝对值累加等于1；S35，结合温度权重、湿度权重、风速权重、温度、湿度和风速，以生成与电力负荷相关的环境相关系数，并将环境相关系数汇总以形成环境时间序列数据；所述环境相关系数的计算公式如下：HJk＝Tk*wT+RHk*wRH+Vk*wV其中，wT表示与温度相关系数rP,T对应的温度权重，wRH表示与湿度相关系数rP,RH对应的湿度权重，wV表示与风速相关系数rP,V对应的风速权重，HJk表示第k个历史时刻的环境相关系数；计算电力负荷和电力价格、节假日赋值数据间的相关系数，并结合电力价格、节假日赋值和各个相关系数以生成与电力负荷相关的人为相关系数，将人为相关系数汇总以形成用于提高混沌相空间神经网络模型学习能力和预测精准性的人为时间序列数据的具体逻辑为：S41，计算电力负荷和电力价格间的价格相关系数，计算公式如下： 其中，表示电力价格时间序列数据中各个电力价格数据的平均值，rP,JG表示价格相关系数；S42，计算电力负荷和节假日赋值间的节假日相关系数，计算公式如下： 其中，表示节假日赋值时间序列数据中各个节假日赋值数据的平均值，rP，JF表示节假日相关系数；S43，对价格相关系数、节假日相关系数进行等比例缩放以生成价格权重、节假日权重，且价格权重、节假日权重满足绝对值累加等于1；S44，结合价格权重、节假日权重、电力价格和节假日赋值，以生成与电力负荷相关的人为相关系数，并将人为相关系数汇总以形成人为时间序列数据；所述人为相关系数的计算公式如下：RWk＝JGk*wJG+JFk*wJF其中，wJG表示与价格相关系数rP，JG对应的价格权重，wJF表示与节假日相关系数rP，JF对应的节假日权重，RWk表示第k个历史时刻的人为相关系数。

全文数据：

权利要求：

百度查询： 国网吉林省电力有限公司信息通信公司 一种电力负荷的混沌相空间神经网络模型安全监测方法