摘要：本文針對(duì)現(xiàn)有電力網(wǎng)絡(luò)中數(shù)據(jù)挖掘處理速度慢、平臺(tái)兼容性差的問(wèn)題，提出了一種快速自適應(yīng)的用電量數(shù)據(jù)深度挖掘和決策方法，通過(guò)判決門(mén)限，實(shí)現(xiàn)對(duì)三種數(shù)據(jù)挖掘模型的快速選取和使用。實(shí)際測(cè)試結(jié)果表明，新方法有效提升用電量數(shù)據(jù)挖掘效率，降低決策時(shí)延8.6%。

關(guān)鍵詞：數(shù)據(jù)清洗；數(shù)據(jù)挖掘；灰度；時(shí)間序列

中圖分類(lèi)號(hào)：TM7 文獻(xiàn)識(shí)別碼：A 文章編號(hào)：1001-828X（2016）009-0000-02

一、引言

海量用電數(shù)據(jù)的實(shí)時(shí)處理和快速分析是電網(wǎng)與客戶(hù)能量流、信息流、業(yè)務(wù)流實(shí)時(shí)互動(dòng)的新型供用電關(guān)系的基礎(chǔ)，為實(shí)現(xiàn)市場(chǎng)響應(yīng)迅速、收費(fèi)方式多樣、服務(wù)高效便捷提供重要保障。

灰度模型通過(guò)多數(shù)據(jù)關(guān)聯(lián)分析特定目標(biāo)的變化趨勢(shì)，但依賴(lài)樣本數(shù)據(jù)，導(dǎo)致預(yù)測(cè)誤差變大；時(shí)間序列模型是觀測(cè)值按照時(shí)間次序排列解釋與變量的相互關(guān)系，其需要采集大量的數(shù)據(jù)進(jìn)行驗(yàn)證；回歸模型是對(duì)統(tǒng)計(jì)關(guān)系進(jìn)行定量描述的一種數(shù)學(xué)模型，其通過(guò)采集數(shù)據(jù)返回對(duì)模型修正，準(zhǔn)確度高但處理時(shí)延大。數(shù)據(jù)挖掘模型的綜合處理性能仍有待提高，電力網(wǎng)絡(luò)用電量預(yù)測(cè)的錯(cuò)誤率達(dá)到30.53%。

針對(duì)現(xiàn)有電力網(wǎng)絡(luò)中數(shù)據(jù)挖掘處理速度慢、平臺(tái)兼容性差的問(wèn)題，本文提出了一種快速自適應(yīng)的用電量數(shù)據(jù)深度挖掘和決策方法，通過(guò)判決門(mén)限，實(shí)現(xiàn)對(duì)三種數(shù)據(jù)挖掘模型的快速選取和使用。實(shí)際測(cè)試結(jié)果表明，新方法有效提升用電量數(shù)據(jù)挖掘效率。

二、用電量數(shù)據(jù)深度挖掘和決策模型

1.灰度數(shù)據(jù)挖掘與決策模型

灰色系統(tǒng)將無(wú)規(guī)律的歷史數(shù)據(jù)累加后，使其變?yōu)榫哂兄笖?shù)增長(zhǎng)規(guī)律的上升形狀數(shù)列。常用GM（1，1）模型理論如下：

在用電量分析上，首先采集企業(yè)用電量的原始數(shù)據(jù)，各時(shí)刻數(shù)列值的逐次累加獲得總值，預(yù)測(cè)該企業(yè)下一時(shí)間段的用電總量。

灰度模型以多數(shù)據(jù)關(guān)聯(lián)分析特定目標(biāo)的變化趨勢(shì)，只需要較少的數(shù)據(jù)即可預(yù)測(cè)目標(biāo)值，不需收集其他相關(guān)數(shù)據(jù)，處理速度快。但依賴(lài)樣本數(shù)據(jù)，以歷史來(lái)推測(cè)未來(lái)，不適應(yīng)外部環(huán)境突變?nèi)菀讓?dǎo)致預(yù)測(cè)誤差變大。

2.時(shí)間序列數(shù)據(jù)挖掘與決策模型

時(shí)間序列模型是某一個(gè)觀測(cè)值按照時(shí)間次序排列解釋與變量的相互關(guān)系。實(shí)際分析企業(yè)用電量時(shí)，將電量分為兩部分，一部分是自然增長(zhǎng)（使用時(shí)間序列預(yù)測(cè)），另一部分是容量變更對(duì)電量的影響，總體電量基準(zhǔn)部分采用holt-winters 乘法模型，則上述公式變換為：

f（t+m）=（Ut+mbt）Ft-L+m+AB（2）

時(shí)間序列模型其需要采集大量的數(shù)據(jù)進(jìn)行驗(yàn)證，可以預(yù)測(cè)到較細(xì)的數(shù)據(jù)顆粒度，準(zhǔn)確解釋電量的周期和季節(jié)波動(dòng)情況，引入了容量的調(diào)整。但忽略了當(dāng)年容量變更的影響，模型比較復(fù)雜。

3.回歸分析挖掘與決策模型

回歸模型是對(duì)統(tǒng)計(jì)關(guān)系進(jìn)行定量描述的一種數(shù)學(xué)模型。在實(shí)際用電量分析時(shí)，根據(jù)變量的預(yù)測(cè)力，其模型分析如下：設(shè)因變量為y，k個(gè)自變量分別為x1，x2，…，xk，描述因變量y如何依賴(lài)于自變量x1，x2，…，xk和誤差項(xiàng)ε的方程稱(chēng)為多元回歸模型。其一般形式可表示為：

B0，B1，B2，…，Bk是模型的參數(shù)。

回歸模型需要較多的數(shù)據(jù)，從業(yè)務(wù)上比較好理解，能估計(jì)出各個(gè)主要影響因素對(duì)其的影響強(qiáng)度。

三、用電量數(shù)據(jù)深度挖掘和決策模型

針對(duì)現(xiàn)有電力網(wǎng)絡(luò)中數(shù)據(jù)挖掘處理速度慢、平臺(tái)兼容性差的問(wèn)題，提出了一種快速自適應(yīng)的用電量數(shù)據(jù)深度挖掘和決策方法，通過(guò)判決門(mén)限，實(shí)現(xiàn)對(duì)三種數(shù)據(jù)挖掘模型的快速選取和使用。

1.神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理架構(gòu)

由于電網(wǎng)數(shù)據(jù)中心的用電量預(yù)測(cè)模型具有不同的數(shù)據(jù)挖掘和預(yù)測(cè)能力，為了綜合三種模型的優(yōu)點(diǎn)，提升用電量預(yù)測(cè)模型的預(yù)測(cè)效率，本文采用神經(jīng)網(wǎng)絡(luò)作為模型選擇的處理架構(gòu)。

不同層的神經(jīng)元之間通過(guò)權(quán)值進(jìn)行連接，數(shù)據(jù)處理架構(gòu)如圖1所示。

2.多模型處理學(xué)習(xí)過(guò)程

其具體步驟如下：

步驟一：從處理決策的三種模型中選定其中一種模型，將用電量數(shù)據(jù)輸入進(jìn)網(wǎng)絡(luò)中。

步驟二：計(jì)算預(yù)測(cè)模型的用電量輸出和實(shí)際測(cè)試用電量的誤差。

步驟三：從輸出層開(kāi)始進(jìn)行反向計(jì)算，直到第一個(gè)隱含層，按照一定原則向著減小誤差的方向調(diào)整網(wǎng)絡(luò)中的聯(lián)接權(quán)值。

步奏四：選擇其他模型重復(fù)以上的步驟，直到總體的訓(xùn)練樣本集誤差達(dá)到給定的要求為止。

3.輸出數(shù)據(jù)決策

假設(shè)不同的模型處理下輸出值的相關(guān)值與預(yù)期條件有關(guān)，則有預(yù)期輸出值

y=a1Y1+a2Y2+a3Y3（4）

式中，Y1， Y2， Y3為三種模型的預(yù)測(cè)值，a1，a2，a3分別為預(yù)測(cè)模型中所占據(jù)的權(quán)重值，可由神經(jīng)網(wǎng)絡(luò)訓(xùn)練得出。

四、智能用電量決策實(shí)例分析

1.測(cè)試環(huán)境

實(shí)驗(yàn)數(shù)據(jù)選擇南方電網(wǎng)惠州供電局2009年至2014年電子等多個(gè)行業(yè)的用電量預(yù)測(cè)數(shù)據(jù)和實(shí)際數(shù)據(jù)。

2.用電量預(yù)測(cè)偏差分析

選取新模型下，對(duì)比三種現(xiàn)有模型南方電網(wǎng)惠州供電局的玻璃行業(yè)用電量預(yù)測(cè)數(shù)據(jù)如表1所示。

如表1所示，新模型的預(yù)測(cè)準(zhǔn)確率高于現(xiàn)有的三種模型。

3.模型預(yù)測(cè)時(shí)延分析

本模型綜合了其他三個(gè)模型的優(yōu)點(diǎn)，在分析數(shù)據(jù)和預(yù)測(cè)用電量時(shí)，根據(jù)學(xué)習(xí)的行業(yè)特征選擇最合適和快速的模型，各模型的預(yù)測(cè)時(shí)延分析如圖2所示。

如圖2所示，隨著用電監(jiān)測(cè)項(xiàng)目增加，新模型的預(yù)測(cè)時(shí)延低于現(xiàn)有的三種模型，降低決策時(shí)延8.6%。

五、總結(jié)

本文針對(duì)現(xiàn)有電力網(wǎng)絡(luò)中數(shù)據(jù)挖掘處理速度慢、平臺(tái)兼容性差的問(wèn)題，提出了一種快速自適應(yīng)的用電量數(shù)據(jù)深度挖掘和決策方法，通過(guò)判決門(mén)限，實(shí)現(xiàn)對(duì)三種數(shù)據(jù)挖掘模型的快速選取和使用。實(shí)際測(cè)試結(jié)果表明，新方法有效提升用電量數(shù)據(jù)挖掘效率，降低決策時(shí)延8.6%。

參考文獻(xiàn)：

[1]聶倩雯，高瑋.基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)的電網(wǎng)故障診斷[J].電力系統(tǒng)保護(hù)與控制，2009，09：8-14+19.

[2]楊懿，楊潔，聶恬.基于數(shù)據(jù)挖掘的電網(wǎng)數(shù)據(jù)智能分析的研究[J].電子技術(shù)與軟件工程，2014，23：218+224.

[3]譚小野.數(shù)據(jù)挖掘在電網(wǎng)安全中的應(yīng)用[J].東北電力技術(shù)，2005，08：40-44.

作者簡(jiǎn)介：賴(lài)蔚蔚（1978-），男，廣東河源人，碩士研究生，高級(jí)工程師，研究方向：電力信息化。