(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111683548.7 (22)申请日 2021.12.31 (71)申请人 杭州拓深科技有限公司 地址 310052 浙江省杭州市滨江区滨安路 1181号5幢3层3 01室 (72)发明人 梁昆　何牡禄　张轩铭　 (74)专利代理 机构 杭州赛科专利代理事务所 (普通合伙) 33230 专利代理师 宋飞燕 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于DFA去趋势融合多维特征的电力线损预 测方法 (57)摘要 本发明公开一种基于DFA去趋势融合多维特 征的电力线损预测方法， 步骤1， 获取基于时间序 列的线损样本数据并预处理； 步骤2， 采用DFA算 法对所述的基于时间序列的线损数据样本计算 相关因子； 步骤3， 基于相关因子的时间窗转化策 略获取待选 取时间窗； 步骤4， 在所述线损样本数 据中选取待选取时间窗下的线损样 本数据； 步骤 5， 基于待选取时间窗下的线损样本数据计算电 力线损的预测值。 本发明采用DFA算法判断基于 时间序列的线损数据是否存在相关性， 并基于该 相关性来确定下一阶段的线损情况， 实现了长程 历史数据计算的多维线损预测。 权利要求书1页 说明书3页 附图1页 CN 114492948 A 2022.05.13 CN 114492948 A 1.一种基于DFA去趋势融合多维特征的电力线损预测方法， 其特征在于， 所述方法包括 以下步骤： 步骤1， 获取基于时间序列的线损样本数据并预处 理； 步骤2， 采用DFA算法对所述的基于时间序列的线损数据样本计算相关因子； 步骤3， 基于相关因子的时间窗转 化策略获取待选取时间窗； 步骤4， 在所述线损样本数据中选取待选取时间窗下的线损样本数据； 步骤5， 基于待选取时间窗下的线损样本数据计算电力线损的预测值。 2.如权利要求1所述的一种基于DFA去趋势融合多维特征的电力线损预测方法， 其特征 在于， 所述预处 理包括异常值清除、 单位 规范。 3.如权利要求1所述的一种基于DFA去趋势融合多维特征的电力线损预测方法， 其特征 在于， 所述线损样本数据为统计线损、 理论线损、 管理线损或经济线损。 4.如权利要求1所述的一种基于DFA去趋势融合多维特征的电力线损预测方法， 其特征 在于， 所述时间窗转化策略 其中， k表示时间窗， n表示线 损样本数据的总数， a表示相关因子， β1、 β2、 β3均表示权值， 0.5≥β1＞β2＞β3＞0。 5.如权利要求4所述的一种基于DFA去趋势融合多维特征的电力线损预测方法， 其特征 在于， 获取步骤2的所述相关因子后， 判断相关因子a＞0.5， 则执 行步骤3， 否则结束。 6.如权利要求4所述的一种基于DFA去趋势融合多维特征的电力线损预测方法， 其特征 在于， β1＝0.2， β2＝0.1， β3＝0.07。 7.如权利要求4所述的一种基于DFA去趋势融合多维特征的电力线损预测方法， 其特征 在于， 所述 步骤4为选取线损样本数据中最后一时间窗的线损样本数据。 8.如权利要求5所述的一种基于DFA去趋势融合多维特征的电力线损预测方法， 其特征 在于， 所述步骤5为计算最后一时间窗的线损样本数据的均值， 作为下一阶段电力线损的预 测值。 9.如权利要求1所述的一种基于DFA去趋势融合多维特征的电力线损预测方法， 其特征 在于， 执行所述步骤1后， 识别线损数据是否为个案， 若 是， 则删除线损数据， 否则保留； 所述 识别线损数据是否为个案为判断线损变化曲率是否大于预设曲率上限， 若是则认为是个 案， 否则认为 不是个案 。 10.如权利要求9所述的一种基于DFA去趋势融合多维特征的 电力线损预测方法， 其特 征在于， 执行所述步骤1后， 判断每一时刻的线损数据均值是否大于总体线损平均值， 若 是， 则删除对应时刻的线损数据， 否则保留。权　利　要　求　书 1/1 页 2 CN 114492948 A 2基于DFA去 趋势融合多维特征的电力线损 预测方法 技术领域 [0001]本发明属于电力线损 预测技术领域， 具体来说涉及一种基于DFA去趋势融合多维 特征的电力线损预测方法。 背景技术 [0002]在电力系统开发中， 线损 是反映供电企业电网装备、 生产运行和经营管理水平的 一项综合性指标。 加强线损管理既是供电企业三型两网战略的需要， 也是加强 内部管控、 夯 实管理基础、 推进 “线损管理百强县 ”工作的内在需求。 在电站 运维过程中， 线损的精确预测 对于电站的运营来说尤为重要， 不仅影响工业企业园区的用电申报的准确 性， 还可以对未 来降低线损提供必要的数据支撑 。 [0003]造成线损的因数我们将它分为四大类： 理论线损， 通信异常， 窃电损耗， 其他。 但是 目前大多数系统对线损只能做事后的线损 计算， 并不能提前预测线损， 无法读未来线损做 出准确预测。 DFA是检测时间序列长程相关的范围的有效方法， 已经在气候、 水文、 地质等领 域有了一些应用， 在其 他多个学 科也都有广泛的应用价 值。 发明内容 [0004]本发明的目的在于提供一种基于DFA去趋势融合多维特征的电力线损预测方法， 以解决背景技 术中提出的问题。 [0005]为实现上述目的， 本发明提供技 术方案如下。 [0006]一种基于DFA去趋势融合多维特 征的电力线损预测方法， 所述方法包括以下步骤： [0007]步骤1， 获取基于时间序列的线损样本数据并预处 理； [0008]步骤2， 采用DFA算法对所述的基于时间序列的线损数据样本计算相关因子； [0009]步骤3， 基于相关因子的时间窗转 化策略获取待选取时间窗； [0010]步骤4， 在所述线损样本数据中选取待选取时间窗下的线损样本数据； [0011]步骤5， 基于待选取时间窗下的线损样本数据计算电力线损的预测值。 [0012]优选地， 所述预处 理包括异常值清除、 单位 规范。 [0013]优选地， 所述线损样本数据为统计线损、 理论线损、 管理线损或经济线损。 [0014]优选地， 所述时间窗转化策略 其中， k表示时间 窗， n表示线损样本数据的总数， a表示相关因子， β1、 β2、 β3均表示权值， 0.5≥β1＞β2＞β3＞0。 [0015]优选地， 获取步骤2的所述相关因子后， 判断相关因子a＞0.5， 则执行步骤3， 否则 结束。 [0016]优选地， β1＝0.2， β2＝0.1， β3＝0.07。 [0017]优选地， 所述 步骤4为选取线损样本数据中最后一时间窗的线损样本数据。 [0018]优选地， 所述步骤5为计算最后一时间窗的线损样本数据的均值， 作为下一阶段电说　明　书 1/3 页 3 CN 114492948 A 3