【技术实现步骤摘要】
本专利技术涉及电力系统行为分析，具体涉及一种基于多源数据融合的行为模拟分析方法。
技术介绍
1、电力系统行为模拟指根据与电力系统行为数据有关联的数据，对电力系统行为进行模拟评估，从而根据评估结果分析电力系统当前的行为状态或者运行情况，例如电力系统运行异常程度或电力系统稳定程度等；传统的电力系统行为模拟通常根据单一数据源或少数数据源进行电力系统行为模拟，例如根据电力系统的电流、电压或电负荷进行电力系统行为模拟，但是随着电力系统规模的扩大和复杂性的增加，传统的电力行为模拟方法由于是数据源较少，导致无法全面反映电力系统的真实运行状态，从而影响到模拟分析的准确性和预测能力。因此需要一种能够利用多源电力系统关联数据进行电力系统行为模拟的分析方法，使得更加全面的反映电力系统的真实运行状态。
2、现有技术通常采用深度学习模型的方法，将当全面的多个电力关联维度的行为关联数据输入到训练好的深度学习模型中，输出电力系统的行为状态数据的评估值。但是电力系统中的行为关联数据是时序变化且具有关联性的数据，仅将每个时刻的行为关联数据输入到神经网络模型中进行电力系统行为状态评估，没有考虑到行为关联数据与行为状态数据之间的关联性，以及单个电力关联维度上的行为关联数据之间的时序变化情况，其局限性较大，导致得到的电力系统的行为状态数据的评估值不够准确，也即现有技术将多个电力关联维度的行为关联数据输入深度学习模型的方法进行电力系统行为模拟分析的准确性较低。
技术实现思路
1、为了解决现有技术将多个电力关联维
2、本专利技术提出了一种基于多源数据融合的行为模拟分析方法，所述方法包括：
3、在每个采样时刻下，获取电力系统的行为状态数据以及电力系统的每个电力关联维度的行为关联数据；
4、根据每个电力关联维度的行为关联数据与行为状态数据之间的线性数值关联情况以及数据时序变化关联情况，得到每个电力关联维度的参考状态关联性；
5、根据所述参考状态关联性、每个电力关联维度中行为关联数据的数据值分布偏差以及整体数据值，得到每个电力关联维度的参考行为权重；
6、根据各个电力关联维度的参考行为权重构建电力系统行为状态评估模型；根据所述电力系统行为状态评估模型对电力系统进行行为模拟分析。
7、进一步地，所述参考状态关联性的获取方法包括：
8、将每个采样时刻下每个行为状态数据与下一个采样时刻的行为状态数据之间的差值，作为每个采样时刻下的行为状态变化值；在每个电力关联维度下，将每个采样时刻下的行为关联数据与下一个采样时刻下的行为关联数据之间的差值，作为每个电力关联维度在每个采样时刻下的行为关联变化值；
9、获取每个电力关联维度的行为关联变化值递增序列；所述行为关联变化值递增序列中的行为关联变化值以从小到大的顺序排列，并且相等的行为关联变化值之间以时间顺序排列；将所述行为关联变化值递增序列中每个行为关联变化值的索引值，作为每个电力关联维度中每个行为关联变化值的参考等级值；
10、获取行为状态变化值递增序列；所述行为状态变化值递增序列中行为状态变化值以从小到大的顺序排列，并且相等的行为变化值之间以时间顺序排列；将所述行为状态变化值递增序列中每个行为状态变化值的索引值，作为每个行为状态变化值的参考等级值；
11、在每个电力关联维度中，根据各个采样时刻下的行为关联变化值与行为状态变化值之间的参考等级值关联分布情况，得到时序变化关联参数计算模型；根据所述时序变化关联参数计算模型得到每个电力关联维度的时序变化关联参数；
12、根据各个采样时刻下的行为状态数据以及每个电力关联维度的行为关联数据之间的时序关联情况，得到每个电力关联维度的线性关联参数；
13、根据所述时序变化关联参数和所述线性关联参数，得到每个电力关联维度的参考状态关联性；所述时序变化关联参数和所述线性关联参数均与所述参考状态关联性呈正相关关系。
14、进一步地，所述参考行为权重的获取方法包括：
15、将每个电力关联维度对应的所有采样时刻的行为关联数据的均值，作为每个电力关联维度的参考关联均值；将每个采样时刻下每个电力关联维度的行为关联数据与所述参考关联均值之间的差异，作为每个采样时刻下每个电力关联维度的行为关联偏差；将每个电力关联维度对应的所有采样时刻下的行为关联偏差的均值，作为每个电力关联维度的行为关联数据波动性；
16、根据所述参考状态关联性、所述行为关联数据波动性与所述参考关联均值，得到每个电力关联维度的参考行为权重；所述参考状态关联性和所述行为关联数据波动性均与所述参考行为权重呈负相关；所述参考关联均值与所述关联数据波动性呈正相关。
17、进一步地，所述根据各个电力关联维度的参考行为权重构建电力系统行为状态评估模型的方法包括：
18、以每个采样时刻下所有电力关联维度对应的行为关联数据作为输入，以每个采样时刻下的行为状态数据作为输出，训练卷积神经网络；
19、在每个电力关联维度下，根据所有采样时刻的行为关联数据进行数据预测，得到每个电力关联维度的预测关联数据值；将所述预测关联数据值与所述参考行为权重的乘积，作为每个电力关联维度的加权预测数据值；
20、以所述加权预测数据值和训练好的卷积神经网络，作为电力系统行为状态评估模型。
21、进一步地，所述根据所述电力系统行为状态评估模型对电力系统进行行为模拟分析的方法包括：
22、将所有电力关联维度的加权预测数据值输入到训练好的卷积神经网络中，输出电力系统的行为状态数据的评估值。
23、进一步地，所述时序变化关联参数计算模型包括：
24、
25、其中，spr为第r个电力关联维度的时序变化关联参数；n为采样时刻的数量；δdi′为第i个采样时刻下的行为状态变化值的参考等级值；为第i个采样时刻下第r个电力关联维度的行为关联变化值的参考等级值；||为绝对值符号。
26、进一步地，所述线性关联参数的获取方法包括：
27、将所有采样时刻下的行为状态数据以时间顺序排列，得到行为状态数据时序序列；将每个电力关联维度在所有采样时刻下的行为关联数据以时间顺序排列，得到每个电力关联维度的行为关联数据时序序列；
28、将所述行为状态数据时序序列与行为关联数据时序序列之间的皮尔逊相关系数，作为每个电力关联维度的线性关联参数。
29、进一步地，所述根据所述时序变化关联参数和所述线性关联参数，得到每个电力关联维度的参考状态关联性的获取方法包括：
30、将所述时序变化关联参数与所述线性关联参数的乘积，作为每个电力关联维度的参考状态关联性。
31、进一步地，所述根据所述参考状态关联性本文档来自技高网...
【技术保护点】
1.一种基于多源数据融合的行为模拟分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述参考状态关联性的获取方法包括：
3.根据权利要求1所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述参考行为权重的获取方法包括：
4.根据权利要求1所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述根据各个电力关联维度的参考行为权重构建电力系统行为状态评估模型的方法包括：
5.根据权利要求4所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述根据所述电力系统行为状态评估模型对电力系统进行行为模拟分析的方法包括：
6.根据权利要求2所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述时序变化关联参数计算模型包括：
7.根据权利要求2所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述线性关联参数的获取方法包括：
8.根据权利要求2所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述根据所
9.根据权利要求3所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述根据所述参考状态关联性、所述行为关联数据波动性与所述参考关联均值，得到每个电力关联维度的参考行为权重的方法包括：
10.根据权利要求4所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述数据预测的方法采用自回归移动平均模型。
...【技术特征摘要】
1.一种基于多源数据融合的行为模拟分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述参考状态关联性的获取方法包括：
3.根据权利要求1所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述参考行为权重的获取方法包括：
4.根据权利要求1所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述根据各个电力关联维度的参考行为权重构建电力系统行为状态评估模型的方法包括：
5.根据权利要求4所述的一种基于多源数据融合的行为模拟分析方法，其特征在于，所述根据所述电力系统行为状态评估模型对电力系统进行行为模拟分析的方法包括：
6.根据权利要求2所述的一种基于多源数据融合的行为...
【专利技术属性】
技术研发人员：韩昱，张省伟，吕晨旭，
申请(专利权)人：国网山西省电力公司忻州供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。