随着我国电力现货市场的逐步推进,电力市场中的交易结算环节对电力市场用户电量数据的准确度提出了更高的要求。首先,为解决由于计量装置等问题造成的分时电量数据缺失与异常,采取非参数核密度估计(kernel density estimation,KDE)的方...随着我国电力现货市场的逐步推进,电力市场中的交易结算环节对电力市场用户电量数据的准确度提出了更高的要求。首先,为解决由于计量装置等问题造成的分时电量数据缺失与异常,采取非参数核密度估计(kernel density estimation,KDE)的方法,对窗宽进行优化选取,根据电力市场用户的历史电量数据提取其日分时电量特征曲线。其次,将提取的特征曲线结合历史电量所蕴含的信息得到用户电量数据的可行域矩阵,并将其应用于异常数据的辨识中。再次,根据异常数据区间用电量大小对特征曲线进行缩放处理后的数据作为连续缺点数据修正值。最后,利用某省电力市场用户的计量电量数据,对所提方法的有效性和准确性进行了验证。结果表明所提方法能够有效地处理异常数据,和其他方法相比较,该文方法在连续多点电量数据异常的修正过程中准确度最高,具有实际应用价值。展开更多
基金Supported partially by the NSF(61877039)the NSFC/RGC Joint Research Scheme of China(12061160462 and N_CityU102/20)the NSF of Zhejiang Province(LY19F020013)。
文摘随着我国电力现货市场的逐步推进,电力市场中的交易结算环节对电力市场用户电量数据的准确度提出了更高的要求。首先,为解决由于计量装置等问题造成的分时电量数据缺失与异常,采取非参数核密度估计(kernel density estimation,KDE)的方法,对窗宽进行优化选取,根据电力市场用户的历史电量数据提取其日分时电量特征曲线。其次,将提取的特征曲线结合历史电量所蕴含的信息得到用户电量数据的可行域矩阵,并将其应用于异常数据的辨识中。再次,根据异常数据区间用电量大小对特征曲线进行缩放处理后的数据作为连续缺点数据修正值。最后,利用某省电力市场用户的计量电量数据,对所提方法的有效性和准确性进行了验证。结果表明所提方法能够有效地处理异常数据,和其他方法相比较,该文方法在连续多点电量数据异常的修正过程中准确度最高,具有实际应用价值。