[发明专利]一种多维负荷特性分析的大数据挖掘器

说明书

技术领域

本发明涉及电力系统及其自动化技术领域，具体涉及一种多维负荷特性分析的大数据挖掘器。

背景技术

负荷特性分析是智能电网研究的基础，传统的电力系统用电特性分析方法主要有两类：一是按影响因素分析，即在其余变量保持不变的前提下逐个提取因变量，定性或者定量描述其对自变量的影响程度，但对象都是区域电网，远远不及电力供应侧的研究精度和深度，无法适应推行智能需求侧管理的需要；二是按行业分类分析，即先对各行业或者细化到某类型用户的用电特性进行分析，定性或者定量得到各类型用户对区域电网用电特性的影响。但是其精确度不高，并且很难根据分析结果进行负荷预测。

总体而言现有负荷特性分析技术数据利用率低，分析结果粗糙，精度不高，且无法深入到用户层面，不利于需求响应策略制定的精细化。

大数据技术的迅速发展给也负荷分析工作带来了更多的机遇和挑战。研究大数据环境下，负荷特性分析的新思路、新方法具有重要意义。

发明内容

针对现有技术的不足，本发明提供一种多维负荷特性分析的大数据挖掘器，对大数据环境下电力用户的负荷特性进行了深入挖掘，为双向互动需求响应技术提供了科学理论支持，充分发挥了其运行效率。

本发明的目的是采用下述技术方案实现的：

一种多维负荷特性分析的大数据挖掘器，其改进之处在于，所述大数据挖掘器包括：

电力用户用电行为模式分析模块、负荷特性指标分析模块、用电行为模式的影响因素和影响机理分析模块、负荷曲线异常诊断模块、电力用户需求响应基线计算模块、电力用户需求响应效果评估模块、需求响应潜力分析模块、突发事件负荷预测模块；

所述电力用户用电行为模式分析模块分别连接所述负荷特性指标分析模块、用电行为模式的影响因素和影响机理分析模块和负荷曲线异常诊断模块，所述用电行为模式的影响因素和影响机理分析模块分别连接所述电力用户需求响应基线计算模块和需求响应潜力分析模块，所述电力用户需求响应基线计算模块连接所述电力用户需求响应效果评估模块，所述负荷曲线异常诊断模块连接所述突发事件负荷预测模块。

优选的，所述电力用户用电行为模式分析模块，用于采用聚类分析方法对电力用户的日负荷曲线进行分类，每一类对应一种用电模式，并使用类的聚类中心表征该类对应用电模式的负荷；所述负荷特性指标分析模块，用于根据所述用电模式的负荷确定所述用电模式的负荷特性指标；所述用电行为模式的影响因素和影响机理分析模块，用于根据所述用电模式的负荷提取所述用电模式的影响因素及影响因素对应的特征量；所述负荷曲线异常诊断模块，用于根据所述用电模式的负荷获取所述电力用户的日负荷曲线的奇异点及产生所述奇异点的原因；所述电力用户需求响应基线计算模块，用于预测电力用户需求响应基线值；所述电力用户需求响应效果评估模块，用于确定所述电力用户参与需求响应后实际负荷的削减量；所述需求响应潜力分析模块，用于利用贝叶斯分类法预测指定预测日用户行为模式的聚类中心C_s；所述突发事件负荷预测模块，用于根据所述奇异点的原因预测奇异点对应的社会事件下的负荷。

进一步的，所述电力用户用电行为模式分析模块采用最短距离法对日负荷数据进行系统聚类，获取初始聚类中心c，所述最短距离法的类间距离公式为：

D_KL＝min{d_ij:p_i∈G_k,p_j∈G_L}(1)

式(1)中，p_i为类G_k中元素，对应第i日用户的负荷数据序列，p_j为类G_L中元素，对应第j日用户的负荷数据序列，D_KL为类G_k与类G_L之间的距离，d_ij为元素p_i与元素p_j之间的距离，公式为：