CN112101673B - 一种基于隐马尔可夫模型的电网发展趋势预测方法及系统 - Google Patents

Abstract

本发明公开了一种基于隐马尔可夫模型的电网发展趋势预测方法及系统。该方法包括：采用主成分分析法计算目标指标类型对应的目标指标值；根据目标指标值确定电网发展动态趋势特征向量；根据电网发展动态趋势特征向量和优化模型求解隶属度函数模型的参数并生成隶属度函数；将电网发展动态趋势特征向量代入隶属度函数生成电网发展动态趋势隶属度向量；根据电网发展动态趋势隶属度向量生成隶属度矩阵，对隶属度矩阵进行聚类；根据聚类后的隶属度矩阵，对隐马尔可夫模型进行训练，根据训练后的隐马尔可夫模型，采用维比特算法预测电网发展趋势等级。采用本发明的方法及系统，能够对电网发展趋势进行合理判断，以辅助调整未来电网发展部署各项决策指导。

Description

一种基于隐马尔可夫模型的电网发展趋势预测方法及系统

技术领域

本发明涉及电网发展趋势预测技术领域，特别是涉及一种基于隐马尔可夫模型的电网发展趋势预测方法及系统。

背景技术

随着人工智能等新兴技术的成熟、各类型新能源渗透率的提高，发展给电网本身带来巨大变化。而无论从国家建设、企业发展、市场建设、电网本身，乃至用户服务各个视角，也离不开电网发展状态的体现。量化电网发展状态是顺利开展电网发展诊断研究的基础工作，对电网发展态势的理解，发展动态的评估，又是实现电网发展趋势预测的基础。

基于电网发展诊断工作，对电网发展趋势预测预警的方法极少。电网处于加速发展的动态过程中，由历史数据评估获得的电网发展结果，对于电网未来发展规划略显迟滞，不能满足电网发展指导的需要。因此，建立有效的预测方法对电网发展趋势进行合理判断，以辅助调整未来电网发展部署各项的决策指导，是十分必要的。

发明内容

本发明的目的是提供一种基于隐马尔可夫模型的电网发展趋势预测方法及系统，能够对电网发展趋势进行合理判断，以辅助调整未来电网发展部署各项决策指导。

为实现上述目的，本发明提供了如下方案：

一种电网发展趋势预测方法，包括：

获取电网发展趋势的目标指标集合；所述目标指标集合包括与电网发展趋势相关的多种目标指标类型，每种目标指标类型包括多个基础指标；

对每一个所述基础指标进行标准化处理，得到标准化后的基础指标值；

根据所述标准化后的基础指标值，采用主成分分析法计算每种目标指标类型对应的目标指标值；

根据所述目标指标值，确定每种目标指标类型对应的电网发展动态趋势特征向量；

获取电网发展趋势预警等级，并根据所述电网发展趋势预警等级确定隶属度函数模型；

根据所述电网发展动态趋势特征向量和优化模型求解所述隶属度函数模型的参数，根据求解得到的参数生成隶属度函数；所述优化模型根据模糊熵构建；

将所述电网发展动态趋势特征向量代入所述隶属度函数生成电网发展动态趋势隶属度向量；

根据所述电网发展动态趋势隶属度向量生成隶属度矩阵，并对所述隶属度矩阵进行聚类，得到聚类后的隶属度矩阵；

根据所述聚类后的隶属度矩阵，对隐马尔可夫模型进行训练，得到训练后的隐马尔可夫模型；

根据所述训练后的隐马尔可夫模型，采用维比特算法预测电网发展趋势等级。

可选的，

所述目标指标类型，具体包括：

发展速度与规模、发展安全与质量、发展效率与效益，以及发展经营与政策；

所述发展速度与规模的基础指标，具体包括：

GDP增速、电源装机增速、负荷增速、变电容载比、线路容载比、户均配电容量、线路长度和互联率；

所述发展安全与质量的基础指标，具体包括：

N-1通过率、安全隐患数、供电可靠性、设备可用系数、电压合格率、设备平均寿命、自动化覆盖率、电缆化率和智能电表覆盖率；

所述发展效率与效益的基础指标，具体包括：

线路最大负载率、平均负载率、变电站最大负载率、线损率、人均营业户数、人均变电容量、人均线路长度、可再生能源接入占比、节能减排量和电网投资比例；

所述发展经营与政策的基础指标，具体包括：

单位电网资产供电负荷、单位电网资产售电量、净利润、资产负债率、收入增长率和购销差价增量比。

可选的，所述对每一个所述基础指标进行标准化处理，得到标准化后的基础指标值，具体包括：

判断所述基础指标为哪种类型的指标，得到第一判断结果；

若所述第一判断结果为极大型指标，则根据如下公式对所述基础指标进行标准化处理：

若所述第一判断结果为极小型指标，则根据如下公式对所述基础指标进行标准化处理：

若所述第一判断结果为合格型指标，则根据如下公式对所述基础指标进行标准化处理：

式中，表示标准化后的基础指标值，/>表示转化前的基础指标值，ξ表示针对合格型指标的安全阈值，i表示目标指标类型，j表示基础指标。

可选的，所述根据所述标准化后的基础指标值，采用主成分分析法计算每种目标指标类型对应的目标指标值，具体包括：

在全时序长度内，选取同种目标指标类型中的标准化后的基础指标值，生成样本矩阵；所述全时序长度为开始年份至结尾年份之间的长度，所述样本矩阵的行表示年份，所述样本矩阵的列表示基础指标；

计算所述样本矩阵中每一个元素的相关系数，并根据所述相关系数生成相关系数矩阵；

求解所述相关系数矩阵的多个特征值，并将所有特征值按照由大到小的顺序进行排列；

计算每一个特征值的方差贡献率；所述特征值的方差贡献率为选取的特征值与所有特征值之和的比值；

从最大特征值对应的方差贡献率开始，按照方差贡献率由大到小的顺序依次累加一个特征值的方差贡献率，并在方差贡献率的累加值首次超过预设贡献率值时，将进行累加的方差贡献率对应的特征值作为主成分分量；

将主成分分量和与主成分分量对应的方差贡献率的乘积之和作为目标指标值；

其中，

样本矩阵为：

式中，X为样本矩阵，t表示年份，x_tj表示第t个年份第j个基础指标的标准化后的基础指标值；

目标指标值为：

I_i＝α₁λ₁+α₂λ₂+...+α_mλ_m

式中，I_i为第i个目标指标类型的目标指标值，α_m表示第m个主成分分量对应的方差贡献率，λ_m表示第m个主成分分量。

可选的，所述根据所述目标指标值，确定每种目标指标类型对应的电网发展动态趋势特征向量，具体包括：

根据如下公式计算指标变化率f：

f＝I_i(t+1)-I_i(t)

根据如下公式计算电网发展的动态趋势特征RES：

其中，

式中，I_i(t+1)表示第i个目标指标类型第t+1年份的目标指标值，I_i(t)表示第i个目标指标类型第t年份的目标指标值，Δt表示预测步长，f(x)表示目标指标值在时序上的折线图函数，g(x)表示电网发展平局趋势函数，x表示时间变量；

根据所述指标变化率和所述电网发展的动态趋势特征生成电网发展动态趋势特征向量；

其中，所述电网发展动态趋势特征向量Q如下：

式中，RES_t表示第t年份的电网发展的动态趋势特征，表示第t年份的指标变化率。

可选的，所述根据所述电网发展趋势预警等级确定隶属度函数模型，具体包括：

根据如下公式确定隶属度函数模型：

式中，电网发展趋势预警等级S＝1,2,3，S＝1时表示预警，S＝2时表示次预警，S＝3时表示健康，r₁(fet)表示S＝1时对应的隶属度函数，r₂(fet)表示S＝2时对应的隶属度函数，r₃(fet)表示S＝3时对应的隶属度函数，Q＝{fet₁,fet₂,...,fet_t}，fet表示电网发展动态趋势特征向量Q的列向量，a₁表示第一参数，a₂表示第二参数。

可选的，所述根据所述电网发展动态趋势特征向量和优化模型求解所述隶属度函数模型的参数，根据求解得到的参数生成隶属度函数，具体包括：

建立优化模型；所述优化模型如下：

其中，u＝1,2,3，r₁＝r₁(fet)，r₂＝r₂(fet)，r₃＝r₃(fet)，H(r₁,r₂,r₃)表示优化函数，k表示目标指标类型总数，k＝4，s(r_u)为中间函数；

将所述电网发展动态趋势特征向量代入所述优化模型后进行优化操作，得到所述隶属度函数模型的参数；

根据所述隶属度函数模型的参数生成隶属度函数。

可选的，所述对所述隶属度矩阵进行聚类，得到聚类后的隶属度矩阵，具体包括：

根据如下公式对所述隶属度矩阵进行聚类：

式中，E表示平方和，r表示聚类种类，C表示聚类总个数，m表示被归类于C_r的电网发展动态趋势隶属度向量，C_r表示聚类中心，M表示隶属度矩阵。

本发明还提供一种电网发展趋势预测系统，包括：

数据获取模块，用于获取电网发展趋势的目标指标集合；所述目标指标集合包括与电网发展趋势相关的多种目标指标类型，每种目标指标类型包括多个基础指标；

标准化处理模块，用于对每一个所述基础指标进行标准化处理，得到标准化后的基础指标值；

主成分分析模块，用于根据所述标准化后的基础指标值，采用主成分分析法计算每种目标指标类型对应的目标指标值；

特征向量确定模块，用于根据所述目标指标值，确定每种目标指标类型对应的电网发展动态趋势特征向量；

隶属度函数模型建立模块，用于获取电网发展趋势预警等级，并根据所述电网发展趋势预警等级确定隶属度函数模型；

隶属度函数生成模块，用于根据所述电网发展动态趋势特征向量和优化模型求解所述隶属度函数模型的参数，根据求解得到的参数生成隶属度函数；所述优化模型根据模糊熵构建；

隶属度向量生成模块，用于将所述电网发展动态趋势特征向量代入所述隶属度函数生成电网发展动态趋势隶属度向量；

聚类模块，用于根据所述电网发展动态趋势隶属度向量生成隶属度矩阵，并对所述隶属度矩阵进行聚类，得到聚类后的隶属度矩阵；

隐马尔可夫模型训练模块，用于根据所述聚类后的隶属度矩阵，对隐马尔可夫模型进行训练，得到训练后的隐马尔可夫模型；

电网发展趋势等级预测模块，用于根据所述训练后的隐马尔可夫模型，采用维比特算法预测电网发展趋势等级。

与现有技术相比，本发明的有益效果是：

本发明提出了一种基于隐马尔可夫模型的电网发展趋势预测方法及系统，采用主成分分析法计算每种目标指标类型对应的目标指标值；根据目标指标值，确定每种目标指标类型对应的电网发展动态趋势特征向量；根据电网发展动态趋势特征向量和优化模型求解隶属度函数模型的参数，根据求解得到的参数生成隶属度函数；将电网发展动态趋势特征向量代入隶属度函数生成电网发展动态趋势隶属度向量；根据电网发展动态趋势隶属度向量生成隶属度矩阵，并对隶属度矩阵进行聚类，得到聚类后的隶属度矩阵；根据聚类后的隶属度矩阵，对隐马尔可夫模型进行训练，根据训练后的隐马尔可夫模型，采用维比特算法预测电网发展趋势等级，能够对电网发展趋势进行合理判断，以辅助调整未来电网发展部署各项决策指导。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中基于隐马尔可夫模型的电网发展趋势预测方法流程图；

图2为本发明实施例中基于隐马尔可夫模型的电网发展趋势预测系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种基于隐马尔可夫模型的电网发展趋势预测方法及系统，能够对电网发展趋势进行合理判断，以辅助调整未来电网发展部署各项决策指导。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例

图1为本发明实施例中基于隐马尔可夫模型的电网发展趋势预测方法流程图，如图1所示，一种基于隐马尔可夫模型的电网发展趋势预测方法，包括：

步骤101：获取电网发展趋势的目标指标集合；目标指标集合包括与电网发展趋势相关的多种目标指标类型，每种目标指标类型包括多个基础指标。

目标指标类型，具体包括：

发展速度与规模、发展安全与质量、发展效率与效益，以及发展经营与政策；

发展速度与规模的基础指标，具体包括：

GDP增速、电源装机增速、负荷增速、变电容载比、线路容载比、户均配电容量、线路长度和互联率；

发展安全与质量的基础指标，具体包括：

N-1通过率、安全隐患数、供电可靠性、设备可用系数、电压合格率、设备平均寿命、自动化覆盖率、电缆化率和智能电表覆盖率；

发展效率与效益的基础指标，具体包括：

线路最大负载率、平均负载率、变电站最大负载率、线损率、人均营业户数、人均变电容量、人均线路长度、可再生能源接入占比、节能减排量和电网投资比例；

发展经营与政策的基础指标，具体包括：

单位电网资产供电负荷、单位电网资产售电量、净利润、资产负债率、收入增长率和购销差价增量比。

步骤102：对每一个基础指标进行标准化处理，得到标准化后的基础指标值。

步骤102，具体包括：

判断基础指标为哪种类型的指标，得到第一判断结果。

{GDP增速，电源装机增速，负荷增速，户均配电容量，线路长度，互联率，N-1通过率，供电可靠性}等属于极大型指标；{安全隐患数，线损率，资产负债率}等属于极小型指标；{变电容载比，线路容载比}等属于合格型指标。

若第一判断结果为极大型指标，则根据如下公式对基础指标进行标准化处理：

若第一判断结果为极小型指标，则根据如下公式对基础指标进行标准化处理：

若第一判断结果为合格型指标，则根据如下公式对基础指标进行标准化处理：

式中，表示标准化后的基础指标值，/>表示转化前的基础指标值，ξ表示针对合格型指标的安全阈值，i表示目标指标类型，j表示基础指标。

步骤103：根据标准化后的基础指标值，采用主成分分析法计算每种目标指标类型对应的目标指标值。

步骤103，具体包括：

在全时序长度内，选取同种目标指标类型中的标准化后的基础指标值，生成样本矩阵；全时序长度为开始年份至结尾年份之间的长度，样本矩阵的行表示年份，样本矩阵的列表示基础指标；

计算样本矩阵中每一个元素的相关系数，并根据相关系数生成相关系数矩阵；

求解相关系数矩阵的多个特征值，并将所有特征值按照由大到小的顺序进行排列；

计算每一个特征值的方差贡献率；特征值的方差贡献率为选取的特征值与所有特征值之和的比值；

从最大特征值对应的方差贡献率开始，按照方差贡献率由大到小的顺序依次累加一个特征值的方差贡献率，并在方差贡献率的累加值首次超过预设贡献率值时，将进行累加的方差贡献率对应的特征值作为主成分分量；

将主成分分量和与主成分分量对应的方差贡献率的乘积之和作为目标指标值；

其中，

样本矩阵为：

式中，X为样本矩阵，t表示年份，x_tj表示第t个年份第j个基础指标的标准化后的基础指标值；

目标指标值为：

I_i＝α₁λ₁+α₂λ₂+...+α_mλ_m

式中，I_i为第i个目标指标类型的目标指标值，α_m表示第m个主成分分量对应的方差贡献率，λ_m表示第m个主成分分量。

步骤104：根据目标指标值，确定每种目标指标类型对应的电网发展动态趋势特征向量。

步骤104，具体包括：

根据如下公式计算指标变化率f：

f＝I_i(t+1)-I_i(t)

根据如下公式计算电网发展的动态趋势特征RES：

其中，

式中，I_i(t+1)表示第i个目标指标类型第t+1年份的目标指标值，I_i(t)表示第i个目标指标类型第t年份的目标指标值，Δt表示预测步长，f(x)表示目标指标值在时序上的折线图函数，g(x)表示电网发展平局趋势函数，x表示时间变量。

根据指标变化率和电网发展的动态趋势特征生成电网发展动态趋势特征向量。

其中，电网发展动态趋势特征向量Q如下：

式中，RES_t表示第t年份的电网发展的动态趋势特征，表示第t年份的指标变化率。

步骤105：获取电网发展趋势预警等级，并根据电网发展趋势预警等级确定隶属度函数模型。

步骤105，具体包括：

根据如下公式确定隶属度函数模型(选择岭型隶属度函数模型)：

式中，电网发展趋势预警等级S＝1,2,3，S＝1时表示预警，S＝2时表示次预警，S＝3时表示健康，r₁(fet)表示S＝1时对应的隶属度函数，r₂(fet)表示S＝2时对应的隶属度函数，r₃(fet)表示S＝3时对应的隶属度函数，X_K＝{fet₁,fet₂,...,fet_T}，fet表示电网发展动态趋势特征向量Q的列向量，a₁表示第一参数，a₂表示第二参数。

步骤106：根据电网发展动态趋势特征向量和优化模型求解隶属度函数模型的参数，根据求解得到的参数生成隶属度函数；优化模型根据模糊熵构建。

步骤106，具体包括：

设论域X_K＝{fet₁,fet₂,...,fet_T}，状态域R＝{r₁,r₂,r₃}，则根据模糊熵(FEI)作为模糊度的度量，可以建立优化模型：

建立优化模型；所述优化模型如下：

其中，u＝1,2,3，r₁＝r₁(fet)，r₂＝r₂(fet)，r₃＝r₃(fet)，H(r₁,r₂,r₃)表示优化函数，k表示目标指标类型总数，k＝4，s(r_u)为中间函数；

将电网发展动态趋势特征向量代入优化模型后进行优化操作，得到隶属度函数模型的参数；

根据隶属度函数模型的参数生成隶属度函数。

步骤107：将电网发展动态趋势特征向量代入隶属度函数生成电网发展动态趋势隶属度向量。

步骤108：根据电网发展动态趋势隶属度向量生成隶属度矩阵，并对隶属度矩阵进行聚类，得到聚类后的隶属度矩阵。

步骤108，具体包括：

根据如下公式对隶属度矩阵进行聚类：

式中，E表示平方和，r表示聚类种类，C表示聚类总个数，m表示被归类于C_r的电网发展动态趋势隶属度向量，C_r表示聚类中心，M表示隶属度矩阵，M为4*3矩阵，矩阵M的行表示目标指标类型。

步骤109：根据聚类后的隶属度矩阵，对隐马尔可夫模型进行训练，得到训练后的隐马尔可夫模型。

步骤110：根据训练后的隐马尔可夫模型，采用维比特算法预测电网发展趋势等级。

输入待预测序列，利用维比特算法计算电网发展趋势等级序列。

结合趋势等级判别结果及指标值分析电网发展薄弱环节；利用发展趋势参数参与不同意义的电网发展诊断评估工作，辅助实现电网态势感知，电网综合评价工作。

图2为本发明实施例中基于隐马尔可夫模型的电网发展趋势预测系统结构图。如图2所示，一种基于隐马尔可夫模型的电网发展趋势预测系统，包括：

数据获取模块201，用于获取电网发展趋势的目标指标集合；目标指标集合包括与电网发展趋势相关的多种目标指标类型，每种目标指标类型包括多个基础指标。

标准化处理模块202，用于对每一个基础指标进行标准化处理，得到标准化后的基础指标值。

主成分分析模块203，用于根据标准化后的基础指标值，采用主成分分析法计算每种目标指标类型对应的目标指标值。

特征向量确定模块204，用于根据目标指标值，确定每种目标指标类型对应的电网发展动态趋势特征向量。

隶属度函数模型建立模块205，用于获取电网发展趋势预警等级，并根据电网发展趋势预警等级确定隶属度函数模型。

隶属度函数生成模块206，用于根据电网发展动态趋势特征向量和优化模型求解隶属度函数模型的参数，根据求解得到的参数生成隶属度函数；优化模型根据模糊熵构建。

隶属度向量生成模块207，用于将电网发展动态趋势特征向量代入隶属度函数生成电网发展动态趋势隶属度向量。

聚类模块208，用于根据电网发展动态趋势隶属度向量生成隶属度矩阵，并对隶属度矩阵进行聚类，得到聚类后的隶属度矩阵。

隐马尔可夫模型训练模块209，用于根据聚类后的隶属度矩阵，对隐马尔可夫模型进行训练，得到训练后的隐马尔可夫模型。

电网发展趋势等级预测模块210，用于根据训练后的隐马尔可夫模型，采用维比特算法预测电网发展趋势等级。

对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本发明提供的一种基于隐马尔可夫模型的电网发展趋势预测方法及系统，能够基于当前基础指标、模型，对电网未来发展的趋势进行评估，为电网部门提前展开电网规划，应对薄弱环节提供有效的支撑。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.一种电网发展趋势预测方法，其特征在于，包括：

获取电网发展趋势的目标指标集合；所述目标指标集合包括与电网发展趋势相关的多种目标指标类型，每种目标指标类型包括多个基础指标；

对每一个所述基础指标进行标准化处理，得到标准化后的基础指标值；

根据所述标准化后的基础指标值，采用主成分分析法计算每种目标指标类型对应的目标指标值；

根据所述目标指标值，确定每种目标指标类型对应的电网发展动态趋势特征向量；

获取电网发展趋势预警等级，并根据所述电网发展趋势预警等级确定隶属度函数模型；

根据所述电网发展动态趋势特征向量和优化模型求解所述隶属度函数模型的参数，根据求解得到的参数生成隶属度函数；所述优化模型根据模糊熵构建；

将所述电网发展动态趋势特征向量代入所述隶属度函数生成电网发展动态趋势隶属度向量；

根据所述电网发展动态趋势隶属度向量生成隶属度矩阵，并对所述隶属度矩阵进行聚类，得到聚类后的隶属度矩阵；

根据所述聚类后的隶属度矩阵，对隐马尔可夫模型进行训练，得到训练后的隐马尔可夫模型；

根据所述训练后的隐马尔可夫模型，采用维比特算法预测电网发展趋势等级；

所述目标指标类型，具体包括：

发展速度与规模、发展安全与质量、发展效率与效益，以及发展经营与政策；

所述发展速度与规模的基础指标，具体包括：

GDP增速、电源装机增速、负荷增速、变电容载比、线路容载比、户均配电容量、线路长度和互联率；

所述发展安全与质量的基础指标，具体包括：

N-1通过率、安全隐患数、供电可靠性、设备可用系数、电压合格率、设备平均寿命、自动化覆盖率、电缆化率和智能电表覆盖率；

所述发展效率与效益的基础指标，具体包括：

线路最大负载率、平均负载率、变电站最大负载率、线损率、人均营业户数、人均变电容量、人均线路长度、可再生能源接入占比、节能减排量和电网投资比例；

所述发展经营与政策的基础指标，具体包括：

单位电网资产供电负荷、单位电网资产售电量、净利润、资产负债率、收入增长率和购销差价增量比；

所述对每一个所述基础指标进行标准化处理，得到标准化后的基础指标值，具体包括：

判断所述基础指标为哪种类型的指标，得到第一判断结果；

若所述第一判断结果为极大型指标，则根据如下公式对所述基础指标进行标准化处理：

若所述第一判断结果为极小型指标，则根据如下公式对所述基础指标进行标准化处理：

若所述第一判断结果为合格型指标，则根据如下公式对所述基础指标进行标准化处理：

式中，表示标准化后的基础指标值，/>表示转化前的基础指标值，ξ表示针对合格型指标的安全阈值，i表示目标指标类型，j表示基础指标；

所述根据所述标准化后的基础指标值，采用主成分分析法计算每种目标指标类型对应的目标指标值，具体包括：

在全时序长度内，选取同种目标指标类型中的标准化后的基础指标值，生成样本矩阵；所述全时序长度为开始年份至结尾年份之间的长度，所述样本矩阵的行表示年份，所述样本矩阵的列表示基础指标；

计算所述样本矩阵中每一个元素的相关系数，并根据所述相关系数生成相关系数矩阵；

求解所述相关系数矩阵的多个特征值，并将所有特征值按照由大到小的顺序进行排列；

计算每一个特征值的方差贡献率；所述特征值的方差贡献率为选取的特征值与所有特征值之和的比值；

从最大特征值对应的方差贡献率开始，按照方差贡献率由大到小的顺序依次累加一个特征值的方差贡献率，并在方差贡献率的累加值首次超过预设贡献率值时，将进行累加的方差贡献率对应的特征值作为主成分分量；

将主成分分量和与主成分分量对应的方差贡献率的乘积之和作为目标指标值；

其中，

样本矩阵为：

式中，X为样本矩阵，t表示年份，x_tj表示第t个年份第j个基础指标的标准化后的基础指标值；

目标指标值为：

I_i＝α₁λ₁+α₂λ₂+...+α_mλ_m

式中，I_i为第i个目标指标类型的目标指标值，α_m表示第m个主成分分量对应的方差贡献率，λ_m表示第m个主成分分量；

所述根据所述目标指标值，确定每种目标指标类型对应的电网发展动态趋势特征向量，具体包括：

根据如下公式计算指标变化率

根据如下公式计算电网发展的动态趋势特征RES：

其中，

式中，I_i(t+1)表示第i个目标指标类型第t+1年份的目标指标值，I_i(t)表示第i个目标指标类型第t年份的目标指标值，Δt表示预测步长，f(x)表示目标指标值在时序上的折线图函数，g(x)表示电网发展平局趋势函数，x表示时间变量；

根据所述指标变化率和所述电网发展的动态趋势特征生成电网发展动态趋势特征向量；

其中，所述电网发展动态趋势特征向量Q如下：

式中，RES_t表示第t年份的电网发展的动态趋势特征，表示第t年份的指标变化率；

所述根据所述电网发展趋势预警等级确定隶属度函数模型，具体包括：

根据如下公式确定隶属度函数模型：

式中，电网发展趋势预警等级S＝1,2,3，S＝1时表示预警，S＝2时表示次预警，S＝3时表示健康，r₁(fet)表示S＝1时对应的隶属度函数，r₂(fet)表示S＝2时对应的隶属度函数，r₃(fet)表示S＝3时对应的隶属度函数，Q＝{fet₁,fet₂,...,fet_t}，fet表示电网发展动态趋势特征向量Q的列向量，a₁表示第一参数，a₂表示第二参数；

所述根据所述电网发展动态趋势特征向量和优化模型求解所述隶属度函数模型的参数，根据求解得到的参数生成隶属度函数，具体包括：

建立优化模型；所述优化模型如下：

其中，u＝1,2,3，r₁＝r₁(fet)，r₂＝r₂(fet)，r₃＝r₃(fet)，H(r₁,r₂,r₃)表示优化函数，k表示目标指标类型总数，k＝4，s(r_u)为中间函数；

将所述电网发展动态趋势特征向量代入所述优化模型后进行优化操作，得到所述隶属度函数模型的参数；

根据所述隶属度函数模型的参数生成隶属度函数；

所述对所述隶属度矩阵进行聚类，得到聚类后的隶属度矩阵，具体包括：

根据如下公式对所述隶属度矩阵进行聚类：

式中，E表示平方和，r表示聚类种类，C表示聚类总个数，m表示被归类于C_r的电网发展动态趋势隶属度向量，C_r表示聚类中心，M表示隶属度矩阵。

2.一种根据权利要求1电网发展趋势预测方法构建的电网发展趋势预测系统，其特征在于，包括：

数据获取模块，用于获取电网发展趋势的目标指标集合；所述目标指标集合包括与电网发展趋势相关的多种目标指标类型，每种目标指标类型包括多个基础指标；

标准化处理模块，用于对每一个所述基础指标进行标准化处理，得到标准化后的基础指标值；

主成分分析模块，用于根据所述标准化后的基础指标值，采用主成分分析法计算每种目标指标类型对应的目标指标值；

特征向量确定模块，用于根据所述目标指标值，确定每种目标指标类型对应的电网发展动态趋势特征向量；

隶属度函数模型建立模块，用于获取电网发展趋势预警等级，并根据所述电网发展趋势预警等级确定隶属度函数模型；

隶属度函数生成模块，用于根据所述电网发展动态趋势特征向量和优化模型求解所述隶属度函数模型的参数，根据求解得到的参数生成隶属度函数；所述优化模型根据模糊熵构建；

隶属度向量生成模块，用于将所述电网发展动态趋势特征向量代入所述隶属度函数生成电网发展动态趋势隶属度向量；

聚类模块，用于根据所述电网发展动态趋势隶属度向量生成隶属度矩阵，并对所述隶属度矩阵进行聚类，得到聚类后的隶属度矩阵；

隐马尔可夫模型训练模块，用于根据所述聚类后的隶属度矩阵，对隐马尔可夫模型进行训练，得到训练后的隐马尔可夫模型；

电网发展趋势等级预测模块，用于根据所述训练后的隐马尔可夫模型，采用维比特算法预测电网发展趋势等级。