[发明专利]基于大数据的负荷分解实现方法及系统

权利要求书

1.基于大数据的负荷分解实现方法及系统，其特征在于：所述方法及系统包括用户用电设备负荷特征库的建立、用户用电数据非侵入式负荷分解、用户用电数据的采集和负荷分解数据准确度验证，所述用户用电设备负荷特征库是整个项目的基础，基于负荷特性样本数据分析提取各种用电设备的负荷特征，将样本数据和特征数据存储到力负荷特性特征库中，所述用户用电数据非侵入式负荷分解是依托负荷特征库中的特征数据，利用相应的模型算法和机器学习技术，实现基于非侵入式用户用电设备负荷分解的模型算法，所述用户用电数据的采集是为下一步负荷分解数据准确度验证提供数据支撑，所述负荷分解数据准确度验证是对居民用户非侵入式负荷分解模型进行实际的数据验证，确保数据分解的准确性和可用性，并分析用户的用能特征，包括高耗能电器识别、建立居民用户用电行为标签和居民用户用电节能建议。

2.根据权利要求1所述的基于大数据的负荷分解实现方法及系统，其特征在于：所述用户用电设备负荷特征库在建立过程中，需结合对居民用户用电设备的了解，以及用电设备的用电特征，来确定影响用户用电设备的相关电力数据，包括负荷、电压、电流、电量等数据信息，规划建立用电设备负荷特征库，并采集用户常用用电设备的负荷特征数据，进行用电设备的负荷特征提取。

3.根据权利要求1所述的基于大数据的负荷分解实现方法及系统，其特征在于：所述用户用电数据非侵入式负荷分解内容包括用户用电数据的负荷分解算法、负荷分解模型设计以及基于大数据的负荷分解实现三部分构成。

4.根据权利要求3所述的基于大数据的负荷分解实现方法及系统，其特征在于：所述用户用电数据的负荷分解过程包括数据特征提取、数据拟合算法、数据向量相似度分析等关键步骤。

5.根据权利要求4所述的基于大数据的负荷分解实现方法及系统，其特征在于：所述数据特征提取可实现用户各种用电设备不同状态的特征量数据的提取，所述数据拟合算法可实现各种用电设备不同状态数据的最优组合方法，所述数据向量相似度分析可实现组合向量与目标向量的相似度分析，确定负荷分解组合的有效性。

6.根据权利要求3所述的基于大数据的负荷分解实现方法及系统，其特征在于：所述负荷分解模型设计中的数据分解包括负荷数据分解、电压数据分解、电流数据分解和电量数据分解，以利用负荷数据、电压数据、电流数据、电量数据之间的内在关联关系，可更加准确地实现用户负荷的分解。

7.根据权利要求3所述的基于大数据的负荷分解实现方法及系统，其特征在于：所述基于大数据的负荷分解包括以下方面：

数据清洗。通过采集设备对用户的负荷进行监测，并对数据进行必要的清洗，去除无效或异常的数据，并将监测的负荷数据按照统一的数据规范存储到数据库或分布式文件系统中，作为负荷分解使用的数据对象。

数据接入。通过ETL技术将监测的负荷信息与负荷样本数据接入大数据平台，并对数据质量进行正确性、完整性、一致性、完备性、有效性验证。

数据分析建模。在大数据平台上基于负荷特性特征库样本数据信息，完成数据的分析与建模工作。选择算法完成数据样本信息的特征识别，建立特征识别模型。

模型评估。在大数据平台上，利用样本数据对模型进行验证与评估，分析模型负荷分解结果，分析模型识别的准确率，不断完善模型，提高模型的可靠程度和精准程度。

8.根据权利要求1所述的基于大数据的负荷分解实现方法及系统，其特征在于：所述用户用电数据的采集具体为自行采样或合作数据采样，所述自行数据采样是通过采样设备对电器设备的各状态负荷进行采样，所述合作数据采样是指通过与家电企业、家电联盟等机构合作进行数据采样。