本發(fā)明涉及電力技術(shù)領(lǐng)域，特別是涉及一種電力景氣指數(shù)檢測方法和系統(tǒng)。

背景技術(shù)：

電力景氣指數(shù)是電力系統(tǒng)中的不可觀測變量，其對電力系統(tǒng)的有序運作，以及電力行業(yè)的穩(wěn)定發(fā)展具有重要意義。

對于電力景氣指數(shù)這類存在不可觀測變量的參數(shù)檢測，常用狀態(tài)空間模型進行求解，SWI指數(shù)(電力景氣指數(shù))包含不可測因素因此用此模型達到分析和觀測的目的。通常情況下，可以將上述電力景氣指數(shù)通過可以從電力系統(tǒng)中直接進行讀取的參數(shù)已知量進行表示，利用上述已知量進行Kalman濾波(卡爾曼濾波)，以確定相應(yīng)的電力景氣指數(shù)，實現(xiàn)對電力景氣指數(shù)的檢測。

然而適用于線性量測方程，實際情況中，電力景氣指數(shù)與電力系統(tǒng)中的相應(yīng)已知量是非線性的，這樣，利用上述傳統(tǒng)方法進行電力景氣指數(shù)的檢測，準確性低。

技術(shù)實現(xiàn)要素：

基于此，有必要針對上述傳統(tǒng)方法進行電力景氣指數(shù)檢測，準確性低的技術(shù)問題，提供一種電力景氣指數(shù)檢測方法和系統(tǒng)。

一種電力景氣指數(shù)檢測方法，包括如下步驟：

根據(jù)電力系統(tǒng)的各類消耗量建立所述電力系統(tǒng)對應(yīng)的電力景氣指數(shù)原始模型；

利用混合粒子濾波算法將所述電力景氣指數(shù)原始模型變換為電力景氣指數(shù)線性模型；

根據(jù)電力系統(tǒng)的各類消耗量對電力景氣指數(shù)線性模型進行卡爾曼濾波，確定電力系統(tǒng)對應(yīng)的電力景氣指數(shù)。

一種電力景氣指數(shù)檢測系統(tǒng)，包括：

建立模塊，用于根據(jù)電力系統(tǒng)的各類消耗量建立所述電力系統(tǒng)對應(yīng)的電力景氣指數(shù)原始模型；

變換模塊，用于利用混合粒子濾波算法將所述電力景氣指數(shù)原始模型變換為電力景氣指數(shù)線性模型；

確定模塊，用于根據(jù)電力系統(tǒng)的各類消耗量對電力景氣指數(shù)線性模型進行卡爾曼濾波，確定電力系統(tǒng)對應(yīng)的電力景氣指數(shù)。

上述電力景氣指數(shù)檢測方法和系統(tǒng)，可以根據(jù)電力系統(tǒng)的各類消耗量建立所述電力系統(tǒng)對應(yīng)的電力景氣指數(shù)原始模型，將上述非線性的原始模型變換為電力景氣指數(shù)線性模型，再對上述變換后的線性模型進行卡爾曼濾波，確定電力系統(tǒng)對應(yīng)的電力景氣指數(shù)，有效提高了所檢測的電力景氣指數(shù)的準確性。

附圖說明

圖1為一個實施例的電力景氣指數(shù)檢測方法流程圖；

圖2為一個實施例的電力景氣指數(shù)檢測系統(tǒng)結(jié)構(gòu)示意圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明的電力景氣指數(shù)檢測方法和系統(tǒng)的具體實施方式作詳細描述。

參考圖1，圖1所示為一個實施例的電力景氣指數(shù)檢測方法流程圖，包括如下步驟：

S10，根據(jù)電力系統(tǒng)的各類消耗量建立所述電力系統(tǒng)對應(yīng)的電力景氣指數(shù)原始模型；

上述電力系統(tǒng)的各類消耗量可以包括電力系統(tǒng)運行所消耗的電量、鋼鐵量和/或水泥量等能量消耗值，其可以從電力系統(tǒng)的相關(guān)數(shù)據(jù)中讀取。電力系統(tǒng)的各類消耗量可以按照能量種類表現(xiàn)為消耗量向量，如y_t。

在一個實施例中，上述電力景氣指數(shù)原始模型為：

y_t＝h(x_t)+v_t,t＝1,...,T，

x_t＝S_tx_t-1+u_t，t＝1，...,T，

其中，y_t表示t時刻電力系統(tǒng)的各類消耗量，h(x_t)表示電力景氣指數(shù)函數(shù)，v_t表示t時刻的觀測噪聲分量，x_t表示t時刻的電力景氣指數(shù)向量，S_t∈R^m×m，S_t表示t時刻狀態(tài)轉(zhuǎn)移矩陣，u_t表示t時刻的轉(zhuǎn)移噪聲分量，T表示時刻總數(shù)。

上述狀態(tài)轉(zhuǎn)移矩陣S_t可以根據(jù)電力系統(tǒng)的運行特征進行設(shè)置。電力景氣指數(shù)函數(shù)h(x_t)是關(guān)于x_t的線性或者非線性函數(shù)，如果是線性函數(shù)可以寫作h(x_t)＝Bx_t+C，其中B與C分別為待求的向量。如果是非線性函數(shù)，可以通過抽樣的方法得到估計的函數(shù)形式。

u_t與v_t分別為正態(tài)分布狀態(tài)的噪聲，E(u_tu_s')＝Qδ_ts,E(v_tv_s')＝σ²δ_ts，其中Q為狀態(tài)噪聲協(xié)方差矩陣，σ²為觀測噪聲方差，上述u_t與v_t相互獨立。

S20，利用混合粒子濾波算法將所述電力景氣指數(shù)原始模型變換為電力景氣指數(shù)線性模型；

在一個實施例中，上述利用混合粒子濾波算法將所述電力景氣指數(shù)原始模型變換為電力景氣指數(shù)線性模型的過程可以包括：

設(shè)置x_t的初始向量x₀，所述初始向量x₀服從均勻分布；

對所述初始向量x₀進行采樣，根據(jù)采樣得到的采樣數(shù)據(jù)確定混合粒子濾波中的其中：式中，表示第i次從重要性分布中抽樣過程中，給定t時刻電力系統(tǒng)的各類消耗量、0時刻到t-1時刻樣本數(shù)值時，t時刻在重要性分布中取到的概率；表示第i次從重要性分布中抽樣過程中，x_t的0時刻到t-1時刻樣本數(shù)值，y_t表示t時刻的電力系統(tǒng)的各類消耗量，表示第i次從重要性分布中抽樣過程中，x_t的t時刻樣本數(shù)值，表示第i次從重要性分布中抽樣過程中，在已知x_t-1的基礎(chǔ)上取到x_t的概率；

根據(jù)所述確定混合粒子濾波中的其中：式中， 表示第i次從重要性分布中抽樣過程中，在給定電力系統(tǒng)的各類消耗量0時刻到t時刻數(shù)值的情況下，在實際分布中取到0時刻到t時刻x_t數(shù)值的概率， 表示在確定了電力系統(tǒng)的各類消耗量0時刻到t時刻數(shù)值的情況下第i次從重要性分布中抽樣過程中，在重要性分布中取到0時刻到t時刻x_t數(shù)值的概率；

根據(jù)重要性權(quán)重更新公式進行重要性權(quán)重更新，所述重要性權(quán)重更新公式為為第i次從重要性分布中抽樣過程中，t時刻樣本的權(quán)重，為第i次從重要性分布中抽樣過程中，t-1時刻樣本的權(quán)重；

根據(jù)重要性權(quán)重歸一化公式對更新后的重要性權(quán)重序列進行歸一化；所述重要性權(quán)重歸一化公式為：式中，為歸一化后第i次采樣中t時刻重要性權(quán)重，N為總的采樣次數(shù)；

根據(jù)計算x_t的最小均方誤差；其中：式中，表示x_t的最小均方誤差，x_t表示t時刻電力景氣指數(shù)向量；

根據(jù)對所述電力景氣指數(shù)原始模型進行更新，得到電力景氣指數(shù)線性模型，所述電力景氣指數(shù)線性模型為：

x_t＝S_tx_t-1+u_t，t＝1，...,T

其中：Z_t為t時刻x_t的系數(shù)矩陣，e_t為t時刻電力景氣指數(shù)向量MMSE估計與實際值間的誤差。

作為一個實施例，上述e_t＝ε_t+d_t,t＝1,...,T，

其中，ε_t，d_t是k×1維向量，k為y_t對應(yīng)的消耗量的類別數(shù)，ε_t是連續(xù)的不相關(guān)擾動項，滿足均值為0，協(xié)方差矩陣為H_t，即E(ε_t)＝0,var(ε_t)＝H_t，d_t是除去ε_t以外e_t剩余的部分。

上述u_t可以表示為：

u_t＝R_tη_t+c_t,t＝1,...,T，

其中，R_t是q×g矩陣，為η_t的系數(shù)矩陣，q為向量x_t中元素個數(shù)，q可以設(shè)置為1，g為η_t的列數(shù)，一般事先給定一個較大的初值(大于k)，根據(jù)估計結(jié)果篩選(即將計算后c_t為0的部分去除)。而η_t是g×1維向量，是均值為0，協(xié)方差矩陣為Q_t的連續(xù)不相關(guān)干擾項，即E(η_t)＝0,var(η_t)＝Q_t。c_t是q×1維向量，為u_t-1中除去連續(xù)不相關(guān)干擾項以外剩余的部分。

上述電力景氣指數(shù)線性模型還可以表示為：

x_t＝S_tx_t-1+R_tη_t+c_t,t＝1,...,T

上述電力景氣指數(shù)線性模型滿足下列假設(shè)條件：

(1)初始狀態(tài)向量x₀的均值為x₀，協(xié)方差矩陣為P₀，即E(x₀)＝0,var(x₀)＝P₀；

(2)所有時間區(qū)間上，擾動項ε_t與η_t相互獨立，且與初始狀態(tài)不相關(guān)，即

E(ε_tη_s')＝0,s,t＝1,...,T

E(ε_tx'₀)＝0,E(η_tx'₀)＝0,t＝1,...,T。

S30，根據(jù)電力系統(tǒng)的各類消耗量對電力景氣指數(shù)線性模型進行卡爾曼濾波，確定電力系統(tǒng)對應(yīng)的電力景氣指數(shù)。

在一個實施例中，上述根據(jù)電力系統(tǒng)的各類消耗量對電力景氣指數(shù)線性模型進行卡爾曼濾波，確定電力系統(tǒng)對應(yīng)的電力景氣指數(shù)的步驟可以包括：

設(shè)置Ψ_1|0，其中為已知0時刻時1時刻x取值的條件估計值，Ψ_1|0為已知0時刻時1時刻實際值與估計值間誤差的協(xié)方差矩：

設(shè)定已知x_t-1時的估計值以及x_t-1和之間誤差的協(xié)方差矩陣Ψ_t-1，其中， E[]表示求期望值；

根據(jù)所述和Ψ_t-1確定x_t的條件分布均值，其中，表示已 知時估計的x_t條件分布的均值，

計算Ψ_t在已知Ψ_t-1時的條件分布均值Ψ_t|t-1，Ψ_t|t-1＝S_tΨ_t-1S_t'+R_tQ_tR_t',t＝1,...,T，上標(biāo)’表示對相應(yīng)的轉(zhuǎn)置矩陣，

根據(jù)Ψ_t|t-1、y_t構(gòu)建更新方程組，所述更新方程組為：

F_t＝Z_tΨ_t|t-1Z_t'+H_t，t＝1,...,T，

其中，T表示時刻綜述，上標(biāo)-1表示對矩陣求逆；

通過求解更新方程組確定

將的取值確定為電力系統(tǒng)對應(yīng)的電力景氣指數(shù)。

本發(fā)明提供的電力景氣指數(shù)檢測方法，可以根據(jù)電力系統(tǒng)的各類消耗量建立所述電力系統(tǒng)對應(yīng)的電力景氣指數(shù)原始模型，將上述非線性的原始模型變換為電力景氣指數(shù)線性模型，再對上述變換后的線性模型進行卡爾曼濾波，確定電力系統(tǒng)對應(yīng)的電力景氣指數(shù)，有效提高了所檢測的電力景氣指數(shù)的準確性。

參考圖2，圖2所示為一個實施例的電力景氣指數(shù)檢測系統(tǒng)結(jié)構(gòu)示意圖，包括：

建立模塊10，用于根據(jù)電力系統(tǒng)的各類消耗量建立所述電力系統(tǒng)對應(yīng)的電力景氣指數(shù)原始模型；

在一個實施例中，上述電力景氣指數(shù)原始模型為：

y_t＝h(x_t)+v_t,t＝1,...,T，

x_t＝S_tx_t-1+u_t，t＝1，...,T，

其中，y_t表示t時刻電力系統(tǒng)的各類消耗量，h(x_t)表示電力景氣指數(shù)函數(shù)，v_t表示t時刻的觀測噪聲分量，x_t表示t時刻的電力景氣指數(shù)向量，S_t表示t時刻狀態(tài)轉(zhuǎn)移矩陣，u_t表示t時刻的轉(zhuǎn)移噪聲分量，T表示時刻總數(shù)。

變換模塊20，用于利用混合粒子濾波算法將所述電力景氣指數(shù)原始模型變換為電力景氣指數(shù)線性模型；

在一個實施例中，上述變換模塊進一步用于：

設(shè)置x_t的初始向量x₀，所述初始向量x₀服從均勻分布；

對所述初始向量x₀進行采樣，根據(jù)采樣得到的采樣數(shù)據(jù)確定混合粒子濾波中的其中：式中，表示第i次從重要性分布中抽樣過程中，給定t時刻電力系統(tǒng)的各類消耗量、0時刻到t-1時刻樣本數(shù)值時，t時刻在重要性分布中取到的概率；表示第i次從重要性分布中抽樣過程中，x_t的0時刻到t-1時刻樣本數(shù)值，y_t表示t時刻的電力系統(tǒng)的各類消耗量，表示第i次從重要性分布中抽樣過程中，x_t的t時刻樣本數(shù)值，表示第i次從重要性分布中抽樣過程中，在已知x_t-1的基礎(chǔ)上取到x_t的概率；

根據(jù)所述確定混合粒子濾波中的其中：式中， 表示第i次從重要性分布中抽樣過程中，在給定電力系統(tǒng)的各類消耗量0時刻到t時刻數(shù)值的情況下，在實際分布中取到0時刻到t時刻x_t數(shù)值的概率， 表示在確定了電力系統(tǒng)的各類消耗量0時刻到t時刻數(shù)值的情況下第i次從重要性分布中抽樣過程中，在重要性分布中取到0時刻到t時刻x_t數(shù)值的概率；

根據(jù)重要性權(quán)重更新公式進行重要性權(quán)重更新，所述重要性權(quán)重更新公式為為第i次從重要性分布中抽樣過程中，t時刻樣本的權(quán)重，為第i次從重要性分布中抽樣過程中，t-1時刻樣本的權(quán)重；

根據(jù)重要性權(quán)重歸一化公式對更新后的重要性權(quán)重序列進行歸一化；所述重要性權(quán)重歸一化公式為：式中，為歸一化后第i次采樣中t時刻重要性權(quán)重，N為總的采樣次數(shù)；

根據(jù)計算x_t的最小均方誤差；其中：式中，表示x_t的 最小均方誤差，x_t表示t時刻電力景氣指數(shù)向量；

根據(jù)對所述電力景氣指數(shù)原始模型進行更新，得到電力景氣指數(shù)線性模型，所述電力景氣指數(shù)線性模型為：

x_t＝S_tx_t-1+u_t，t＝1，...,T

其中：Z_t為t時刻x_t的系數(shù)矩陣，e_t為t時刻電力景氣指數(shù)向量MMSE估計與實際值間的誤差。

作為一個實施例，上述e_t＝ε_t+d_t,t＝1,...,T，

其中，ε_t，d_t是k×1維向量，k為y_t對應(yīng)的消耗量類別數(shù)，ε_t是連續(xù)的不相關(guān)擾動項，滿足均值為0，協(xié)方差矩陣為H_t，即E(ε_t)＝0,var(ε_t)＝H_t，d_t是除去ε_t以外e_t剩余的部分。

上述u_t可以表示為：

u_t＝R_tη_t+c_t,t＝1,...,T，

其中，R_t是q×g矩陣，為η_t的系數(shù)矩陣，q為向量x_t中元素個數(shù)，q可以設(shè)置為1，g為η_t的列數(shù)，一般事先給定一個較大的初值(大于k)，根據(jù)估計結(jié)果篩選(即將計算后c_t為0的部分去除)。而η_t是g×1維向量，是均值為0，協(xié)方差矩陣為Q_t的連續(xù)不相關(guān)干擾項，即E(η_t)＝0,var(η_t)＝Q_t。c_t是q×1維向量，為u_t-1中除去連續(xù)不相關(guān)干擾項以外剩余的部分。

上述電力景氣指數(shù)線性模型還可以表示為：

x_t＝S_tx_t-1+R_tη_t+c_t,t＝1,...,T

上述電力景氣指數(shù)線性模型滿足下列假設(shè)條件：

(1)初始狀態(tài)向量x₀的均值為x₀，協(xié)方差矩陣為P₀，即E(x₀)＝0,var(x₀)＝P₀；

(2)所有時間區(qū)間上，擾動項ε_t與η_t相互獨立，且與初始狀態(tài)不相關(guān)，即

E(ε_tη'_s)＝0,s,t＝1,...,T

E(ε_tx'₀)＝0,E(η_tx'₀)＝0,t＝1,...,T。

確定模塊30，用于根據(jù)電力系統(tǒng)的各類消耗量對電力景氣指數(shù)線性模型進行卡爾曼濾波，確定電力系統(tǒng)對應(yīng)的電力景氣指數(shù)。

在一個實施例中，上述確定模塊進一步用于：

設(shè)置Ψ_1|0，其中為已知0時刻時1時刻x取值的條件估計值，Ψ_1|0為已知0時刻時1時刻實際值與估計值間誤差的協(xié)方差矩：

設(shè)定已知x_t-1時的估計值以及x_t-1和之間誤差的協(xié)方差矩陣Ψ_t-1，其中， E[]表示求期望值；

根據(jù)所述和Ψ_t-1確定x_t的條件分布均值，其中，表示已知時估計的x_t條件分布的均值，

計算Ψ_t在已知Ψ_t-1時的條件分布均值Ψ_t|t-1，Ψ_t|t-1＝S_tΨ_t-1S_t'+R_tQ_tR_t',t＝1,...,T，上標(biāo)’表示對相應(yīng)的轉(zhuǎn)置矩陣，

根據(jù)Ψ_t|t-1、y_t構(gòu)建更新方程組，所述更新方程組為：

F_t＝Z_tΨ_t|t-1Z_t'+H_t，t＝1,...,T，

其中，T表示時刻綜述，上標(biāo)-1表示對矩陣求逆；

通過求解更新方程組確定

將的取值確定為電力系統(tǒng)對應(yīng)的電力景氣指數(shù)。

本發(fā)明提供的電力景氣指數(shù)檢測系統(tǒng)與本發(fā)明提供的電力景氣指數(shù)檢測方法一一對應(yīng)，在所述電力景氣指數(shù)檢測方法的實施例闡述的技術(shù)特征及其有益效果均適用于電力景氣指數(shù)檢測系統(tǒng)的實施例中，特此聲明。

以上所述實施例的各技術(shù)特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進行描述，然而，只要這些技 術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認為是本說明書記載的范圍。

以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準。