技术领域

本发明涉及电力系统监控领域，尤其是一种电力系统跨专业监控指标的 Spearman秩相关自适应分类方法。

背景技术

随着电网公司外部经营环境的快速变化，电网企业面临着社会用电量增速下 降，收入增长放缓的不利局面。因此电网企业需要从公司可持续发展的视角，对 公司的运营状况进行全局性、综合性的分析，发现公司运营中存在的能力短板， 使决策者能够制定相应的策略对能力短板予以消除。同时，还需要在日常的动态 运营过程中，能够连续的、敏捷的发现公司运营中存在的异动，追溯原因，使公 司能够动态的调整自身运营能力，应对快速变化的内、外部环境。

省级电力公司需要对公司运营动态开展了常态化的监测日报、公司月度运营 动态分析报告等分析工作，对公司领导对公司运营状况的把握形成了初步的支撑。 除了找出能够支撑决策，判断运营状态的重要指标，我们还希望能找到跨专业间 的关联指标，这往往容易被人们所忽视，但却真的需要被重视。这些关联往往能 辅助我们更加清晰地把握关键，因此对不同部门间的指标加以分析，找出之间的 关联性就显得异常迫切了。

发明内容

为了克服已有电力系统监测方式的无法有效分析跨部门之间的数据的不足， 本发明提供一种有效分析跨部门之间的数据、效益最大化的电力系统跨专业监控 指标的Spearman秩相关自适应分类方法。

本发明解决其技术问题所采用的技术方案是：

一种电力系统跨专业监控指标的Spearman秩相关自适应分类方法，所述的方 法包括以下步骤：

(1)从m个不同专业的数据库中分别提取同一季度的n个指标数据，n表示指 标数量最多的专业数据库的指标总量；

(2)对来自不同专业的指标进行分类编号，并将数据加入集合XS＝{x_ij|i＝1,2…m j＝1,2…n}，x_ij即第i个专业中第j个季度指标数据；

(3)跨专业指标对的秩相关系数计算

(3.1)首先在m个专业中任意选取两个专业e，f；

(3.2)然后在专业e中任意选取一个指标记作a，并在专业f中任意选取一 个指标记作b；

(3.3)对选取出来的两个跨专业指标a和b计算两者Spearman秩相关系数， 设C(u,v)为Copula秩值计算函数，其中参数u和参数v都是指标数据，则秩相关 系数计算公式并将计算所得值加入集合TS＝{t_eafb| e≠f＝1,2…m a≠b＝1,2…n}，t_eafb即指标数据x_ea与指标数据x_fb的Spearman秩相关 系数值；

(3.4)从步骤(3.2)开始循环操作直至专业e中任一指标与专业f中所有 指标都进行了Spearman秩相关系数计算；

(3.5)从步骤(3.1)开始循环操作直至所有m个专业都被两两选择；

(3.6)得到记录所有指标对的秩相关系数的集合TS；

(4)筛选关联的指标对

(4.1)对集合TS进行降序操作，按t的值从大到小排列；

(4.2)取集合中所有t的平方和然后开根号，得到的结果我们记作Δt，即 阀值；

(4.3)取出集合TS中大于阀值的所有t_eafb，这些秩相关系数下标所标记的 指标对即我们所寻找的跨专业关联指标对；

(5)提交关联指标对数据

(5.1)在集合XS中找出得到的跨专业关联指标对的所有指标数据x；

(5.2)将这些指标数据按指标对为分组，并且储存到数据库中。

本发明的技术构思为：本发明设计了一种电力系统跨专业监控指标的 Sperman秩相关自适应分类。在实际分析过程中，我们分别从不同部门的不同专 业数据库中提取出同一季度的指标统计数据，当然这些跨专业的数据分析不再是 简单的线性相关分析，我们采用Spearman秩相关，秩相关反映的是变量间的单调 相依性，因此在非线性单调变化下保持不变，统计性质由于线性相关。然后我们 得到所有跨专业指标对的秩相关系数，按照我们的方案找出阀值，取大于阀值的 所有指标对，这些指标对就是我们认为跨专业关联的指标对，并将这些指标的统 计数据提交数据库。该项发明运用秩相关系数计算，计算出不同专业间的指标的 关联性，并通过我们的筛选方案，找出我们认为关联强的跨专业指标对。这些指 标对揭示了不同部门的间联系和互相影响，补充和在一定程度上公司对于运营的 把握，为领导层决策提供了思路和方向，有助于效强化管理，及时调整运营，规 避风险震荡，实现效益最大化。

本发明的有益效果主要表现在：采用Spearman秩相关系数计算，对跨部门之 间的数据进行计算并分析，并根据分级排名进行分类，计算出所有指标对的相关 系数的阀值，筛选大于阀值的所有指标对，可自动化的获得具有代表性的跨专业 指标对；效益最大化，辅助决策，全面分析。

附图说明

图1是电力系统跨专业监控指标的Spearman秩相关自适应分类方法的流程 图。

图2是电力系统跨专业监控指标的Spearman秩相关自适应分类优化系统的结 构图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1和图2，一种电力系统跨专业监控指标的Spearman秩相关自适应 分类方法，包括以下步骤：

第一步：从m个不同专业的数据库中分别提取同一季度的n个指标数据。

第二步：对来自不同专业的指标进行分类编号，并将数据加入集合XS＝{x_ij| i＝1,2…mj＝1,2…n}，x_ij即第i个专业中第j个季度指标数据。

第三步：在m个专业中任意选取两个专业e，f。

第四步：在专业e中任选一个指标a，在专业f中任选一个指标b。

第五步：对跨专业的两个指标计算其Spearman秩相关系数计算，设C(u,v) 为Copula秩值计算函数，其中参数u和参数v都是指标数据，则秩相关系数计算 公式并加入集合TS＝{t_eafb|e≠f＝1,2…m a≠b＝1,2…n}， t_eafb即专业e中指标a与专业f中指标b的Spearman秩相关系数值。

第六步：判断专业e中任一指标是否与专业f中所有指标都进行Spearman秩 相关系数计算。若是，则进行下一步。若否，回到第四步。

第七步：判断m个专业是否都被两两选择。若是，则进行下一步。若否，则 回到第三步。

第八步：对集合TS进行降序操作，按t值从大到小排列。

第九步：取集合中所有t的平方和然后开根号，得到的结果记作Δt，即阀值。

第十步：取出集合TS中大于阀值的所有t_eafb，这些秩相关系数下标所标记的 指标对即我们所寻找的跨专业关联指标对。

第十一步：在集合XS中找出得到的跨专业关联指标对得所有指标数据。

第十二步：将这些指标数据按指标对分组后储存到数据库中。

参照图2，应用本方法实现的电力系统跨专业监控指标的Spearman秩相关自 适应分类优化系统，主要包括：跨专业指标对的秩相关系数计算模块、筛选关联 的指标对模块、提交关联指标对数据模块、用户交互模块。

(1)跨专业指标对的秩相关系数计算模块：对跨专业指标数据进行Spearman 秩相关系数计算。

(2)筛选关联的指标对模块：对所有秩相关系数进行取平方和开根号操作， 得到阀值。取大于阀值的所有指标对，这些指标即跨专业关联指标对。

(3)提交关联指标对数据模块：找出这些指标对的数据，将数据按照指标对 形式提交给数据库。

(4)用户交互模块：客户端系统配置，指标分析结果，数据可视化展示，指 标分析算法工具。