(19)中华 人民共和国 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 202111444184.7 (22)申请日 2021.11.30 (71)申请人 国网冀北电力有限公司 地址 100054 北京市西城区菜市口南大街 56号 申请人 国网冀北电力有限公司电力科 学研 究院　 武汉大学 (72)发明人 樊小伟　徐箭　孙荣富　吴浩天　 郭金智　廖思阳　袁绍军　柯德平　 丁然　王靖然　徐海翔　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 代理人 鲁力(51)Int.Cl. G06Q 50/06(2012.01) G06Q 10/04(2012.01) G06Q 30/02(2012.01) G06K 9/62(2022.01) (54)发明名称 一种基于格兰杰检验的新能源消纳态势归 因分析方法 (57)摘要 本发明提出了一种基于格兰杰检验的新能 源消纳态势归因分析方法。 所述方法包括 “信息‑ 物理‑社会”融合数据集的建立与扩展， 利用格兰 杰检验对数据集中各特征子序列与新能源消纳 态势之间的因果关系进行检验分析。 本发明充分 挖掘了“信息‑物理‑社会”数据融合下各类数据 与新能源消纳态势之间的因果关系， 能够有效筛 选出对新能源消纳态势影响程度较大的特征子 序列， 从而准确感知新能源的消纳态势， 具有指 导意义。 权利要求书2页 说明书5页 附图1页 CN 114119288 A 2022.03.01 CN 114119288 A 1.一种基于格兰杰检验的新能源消纳态势归因分析方法， 其特征在于， 通过格兰杰检 验方法筛 选与新能源消纳具有强因果关系的特 征分量， 包括以下步骤： 步骤1： 采集电力系统历史信息数据， 相关物 理、 社会类历史数据， 进行整合得到 “信息‑ 物理‑社会”融合数据集， 依据时间尺度划分得到小时级数据X1,n、 日度数据X2,n与月度数据 X3,n三类； 步骤2： 将“信息‑物理‑社会”融合数据集的数据根据时间尺度划分为小时级数据X1,n、 日度数据X2,n与月度数据X3,n三类， 数据 异常或缺失采用三次样条插值补齐； 同时， 统计新能 源消纳功率数据， 计算得到每小时、 每日、 每月的新能源消纳电量； 并对所有数据进行归一 化处理， 得到归一化后的每小时新能源电量Y1,n、 每日新能源电量Y2,n与每月新能源电量Y3,n 三类数据； 步骤3： 对各类数据进行平稳性检验， 平稳性检验的方法为单位根检验； 非平稳数据进 行平稳化处 理； 步骤4： 对于步骤2 ‑3中经过平稳化处理后的小时级数据集X1,n与Y1,n、 日级数据集X2,n与 Y2,n、 月度数据集X3,n与Y3,n， 采用格兰杰检验判断各类数据与对应时间尺度的新能源消纳量 的因果关系。 2.根据权利要求1所述的一种基于格兰杰检验的新能源消纳态势归因分析方法， 其特 征在于通过格兰杰检验方法筛选与新能源消纳具有强因果关系的特征分量， 并利用所述电 力系统历史信息数据包括相关物理、 社会类历史数据， 构造 “信息‑物理‑社会”融合数据集； 电力系统信息数据包括但不限于： 所分析地区历史风电总预测值、 历史光伏总预测值、 新能 源历史消纳量、 火电机组历史功率等； 物理数据包括但不限于： 所分析地区风速、 风向、 气 温、 气压、 辐照度、 云层信息等； 社会类数据包括但不限于： 所分析地区环保限产历史数据， 经济数据， 工业数据。 3.根据权利要求1所述的一种基于格兰杰检验的新能源消纳态势归因分析方法， 其特 征在于， 步骤4具体包括 步骤1、 设定Y(含Y1,n、 Y2,n、 Y3,n)为三类时间尺度下的新能源消纳量， X(含X1,n、 X2,n、 X3,n) 为三类时间尺度下 “信息‑物理‑社会”数据集子序列， 则若 X是引起Y变化的原因， 则建立Y的 预测模型时， 加入 X能提高模 型的可解释能力； 同时， Y不是引起X变化的原因； 格兰杰检验采 用时间序列模型， 如式(1) ‑(2)所示： 式(1)‑(2)中， Yt为t时段新能源消纳量， Xt‑j为待检验的 “信息‑物理‑社会”数据集子序 列在t‑j时刻的值， c0、 aj、 bj为待定系数， m、 n为预测的最大滞后时间步， ε为残差； 上式分别 代表了考虑与不 考虑子序列X的新能源消纳态 势回归预测模型； 步骤2、 格兰杰检验利用F分布检验判断各时间尺度下 “信息‑物理‑社会”数据集子序列 X1,n、 X2,n、 X3,n是否为对应时间尺度下新能源消纳量Y1,n、 Y2,n、 Y3,n的原因， 如式(3) ‑(4)所示：权　利　要　求　书 1/2 页 2 CN 114119288 A 2式(3)‑(4)中， R1、 R2分别为模型(1)与模型(2)的残差平方和， N为样本的总长度， Fα为给 定置信度α 下F检验的阈值， K为F检验计算值与给定阈值的比值； 若K>1， 代表通过格兰杰检 验， 即X是Y的原因； 若K<1， 则代 表不通过格兰杰检验， 即X不是Y的原因； 步骤3、 按照K值大小对所有参与检验 的“信息‑物理‑社会”子数据序列进行排序， 筛选 出三类时间尺度下与新能源消纳态 势因果关系最强的特 征子序列。权　利　要　求　书 2/2 页 3 CN 114119288 A 3