(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 202211299542.4 (22)申请日 2022.10.21 (71)申请人 国网上海市电力公司 地址 200126 上海市浦东 新区源深路1 122 号 申请人 上海交通大 学 (72)发明人 湛归　贺兴　艾芊　黄兴德　陈赟　 (74)专利代理 机构 上海元好知识产权代理有限 公司 31323 专利代理师 徐雯琼　张双红 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 17/16(2006.01) (54)发明名称 基于因子分析法的区域能源网关键因素提 取方法 (57)摘要 本发明涉及一种基于因子分析法的区域能 源网关键因素提取方法， 包含以下步骤： S1、 获取 包含冷负荷、 热负荷、 电负荷、 新能源出力、 风速 的初始变量； S2、 对获取的初始 变量进行归一化； S3、 对归一化的各个初始变量进行KMO检验和巴 特利球体检验以获取各个初始变量之间的相关 性， 并进行增维处理以组成高维变量； S4、 采用因 子分析法对组成的高维变量进行求解， 高维变量 表述成公共因子的线性函数与特殊因子之和， 并 计算公共因子的载荷矩阵。 本发 明运行场景包括 冷负荷、 热负荷、 电负荷、 新能源出力和风速数 据， 对产生的海量、 高维、 多源数据进行深度辨识 和高效处理， 以形成重要因素的有效提取， 为后 续区域能源网的优化调度提供参 考。 权利要求书2页 说明书6页 附图1页 CN 115526535 A 2022.12.27 CN 115526535 A 1.一种基于因子分析法的区域能源网关键因素提取 方法， 其特 征在于， 包 含以下步骤： S1、 获取包 含冷负荷、 热负荷、 电负荷、 新能源出力、 风速的初始变量； S2、 对获取的初始变量进行归一 化； S3、 对归一化的各个初始变量进行KMO检验和巴特利球体检验以获取各个初始变量之 间的相关性， 并进行增维处 理以组成高维变量； S4、 采用因子分析法对组成的高维变量进行求解， 高维变量表述成公共因子的线性函 数与特殊因子之和， 并计算公共因子的载荷矩阵。 2.如权利要求1所述的基于因子分析法的区域 能源网关键因素提取方法， 其特征在于， 所述高维变量表示 为X＝AF+ ε； 其中， 高维变量X为P 维向量， A为p行m列的因子载荷矩阵， F1， F2，…， Fm为公共因子， εi为 特殊因子 。 3.如权利要求2所述的基于因子分析法的区域 能源网关键因素提取方法， 其特征在于， 采用主成分分析法计算因子载荷矩阵， 通过计算高维变量X的协方差矩阵S及其特征值λ1≥ λ2≥…≥λp≥0， 和相应的单位 特征值向量 e1,e2,…,ep； 再提取m(m≤p)个 最大特征值和对应 的特征向量T1,T2,…,Tm， 得到因子载荷矩阵， 表示 为： 4.如权利要求3所述的基于因子分析法的区域 能源网关键因素提取方法， 其特征在于， 对因子载荷据矩阵A进行旋转： 其中， 设Q 为m阶正交矩阵， 令B＝AQ， 则： BBT＝AAT 式中： B为新的旋转后的因子载荷矩阵。 5.如权利要求3所述的基于因子分析法的区域能源网关键因素提取 方法， 其特 征在于， 在得到新的因子载荷矩阵B后， 对因子得分进行计算； 因子得分函数为： Fj＝βj1X1+...+βjpXp,(j＝1…m)； 式中： βjp为因子Fj在标量Xp上的得分； 用回归 估计法对因子Fj得分进行计算： F＝XR‑1B′； 式中： R为相关阵， R＝X ′X。 6.如权利要求1所述的基于因子分析法的区域 能源网关键因素提取方法， 其特征在于， 所述S2中对原 始数据进行归一 化采用下式： 权　利　要　求　书 1/2 页 2 CN 115526535 A 2式中： 为原始数据。权　利　要　求　书 2/2 页 3 CN 115526535 A 3