[发明专利]一种基于证据理论的电力市场结算数据风险处理方法

说明书

本发明提出了一种基于证据理论的电力市场结算数据风险处理方法。对电力市场结算数据进行分类得到分类后电力市场结算数据，进行异常数据处理得到训练样本；采用Min‑Max标准化方法分别对训练样本和待检测样本进行数据预处理，得到标准化后的训练样本和待检测样本；利用标准化后的训练样本分别对BP神经网络、RBF神经网络、GRNN神经网络进行训练，将标准化后的待检测样本分别输入到训练后三种神经网络中，分别得到三种神经网络的基本可信度；计算证据对各命题的不可信度，按照D‑S证据理论方法进行多证据融合；利用多证据融合后的基本可信度判断数据是否异常，并对异常数据进行重构。本发明有效的提高数据风险识别的准确性，保障市场化交易的稳定有序进行。

技术领域

本发明属于电网技术领域，特别涉及一种基于证据理论的电力市场结算数据风险处理方法。

背景技术

自2015年电改九号文发布以来，全国各地都在按照文件中明确的思路开始逐步探索电力市场化建设，寻找适合中国电力市场发展的道路，电力市场已成为国内研究的热点。电力市场结算是市场化交易的重要环节，是保障电力市场稳定有序发展的重要基石。结算过程中由于各种原因会出现数据异常甚至是缺失的情况，这种结算数据风险是电力市场结算研究中的重要组成部分，研究对结算数据风险的识别与处理对于提高电力市场结算的准确度具有十分重要的现实意义。

发明内容

为了克服现有电力市场结算数据风险识别应用的局限性，本发明目的在于提出一种基于D-S证据理论的电力市场结算数据风险识别方法，通过D-S证据理论对多个证据进行融合来为异常数据的辨识提供决策。

本发明的电力市场结算数据风险识别与处理可以通过以下技术方案来实现：

一种基于证据理论的电力市场结算数据风险处理方法，其特征在于能够将多个证据进行融合，较为全面的对需要解决的问题进行分析，提高结论的准确度，包括以下步骤：

步骤1：对电力市场结算数据进行分类得到分类后电力市场结算数据，并对分类后电力市场结算数据进行异常数据处理得到训练样本；

步骤2：采用Min-Max标准化方法分别对训练样本和待检测样本进行数据预处理，得到标准化后的训练样本和待检测样本；

步骤3：利用标准化后的训练样本分别对BP神经网络、RBF神经网络、 GRNN神经网络进行训练，将标准化后的待检测样本分别输入到训练后BP神经网络、训练后RBF神经网络、训练后GRNN神经网络中，分别得到BP神经网络基本可信度、RBF神经网络基本可信度、GRNN神经网络基本可信度；

步骤4：计算证据E_α对各命题的不可信度，通过该不可信度计算证据E_α对各命题的权重，并在原有基本可信度分配基础上乘以该权重得到新的基本可信度分配，再按照D-S证据理论方法中的证据融合规则对新的基本可信度分配进行多证据融合；

步骤5：利用多证据融合后的基本可信度分配判断数据是否异常，并对异常数据进行重构；

作为优选，步骤1中所述分类后电力市场结算数据为：

Q_k，i，j表示第k组第i个市场主体在第j结算间隔下结算数据，i表示市场主体编号，不同市场主体的类型、发用电特性和进入市场的时间信息存在差异， i＝1，2，...，I，I为市场主体个数，j表示结算数据所处结算间隔，j＝1，2，...，J， J为结算间隔数，若结算间隔为1个月，则一年的结算间隔数J；

步骤2中所述对分类后电力市场结算数据进行异常数据处理得到训练样本为：