[发明专利]一种基于自回归和提升树算法的居民用电行为分析的系统及方法

说明书

居民用电消费受较多因素的影响，掌握居民用电习惯及其主要影响因素间的规律对电力系统调度，电力市场化的推进，智能化城市管理都具有重要意义。针对大数据应用背景下用户智能用电行为分类的计算复杂性和特征选择有效性的问题,本发明公开了一种基于大数据思维的客户用电行为分析模型，根据历史用电数据和实时的电力负荷情况来识别居民用电规律与否的系统及方法，主要包括通过异常分析剔除掉个别极端用电数值,通过自回归模型建立每个用电单位的48小时用电曲线，以及利用提升树算法对实时的用电数据进行分类。

技术领域

本发明涉及用电大数据人工智能分析领域，具体涉及一种基于自回归和提升树算法的居民用电行为分析的系统及方法。

背景技术

大数据时代形成的新技术手段和商业模式等使得生活方式发生了变化，也给企业的发展带来了巨 大的挑战。电力企业作为公用事业服务行业，需要为广大用户提供更好更优质的用电服务，这促使企业主动尝试或应用主流创新技术，加快服务转型与升级。随着智能电网建设的推进，电力企业在发电、 输电、变电、配电和用电各个环节产生了海量的数据，但是这些数据在系统间分布储存，数据关联度不高，数据逻辑复杂，传统的数据处理分析方式已难以支撑电力企业对智能电网实时运营分析的要求，因此，如何积极开展大数据关键技术的研究和应用，梳理电力大数据的应用场景，思考如何利用大数据推动城市管理提升和业务创新是未来智能化城市管理的关键。本发明提出了一种基于电力负荷数据分析居民用电行为的系统及方法,其主要的应用在于在分类用户用电规律，识别潜在非正常用电情况。

发明内容

本发明提出了一种基于电力负荷数据分析居民用电行为的系统及方法,其主要的应用在于在分类用户用电规律，识别潜在非正常用电情况。整个过程包括了数据收集模块,剔除极端值模块, 自相关系数分析模块以及实时识别报告模块，如图1所示。电力负荷数据收集模块通常通过智能电表等终端设备采集, 存储并处理原始居民用电负荷数据，并对这些数据进行分析, 整合, 校正, 填补缺失值, 以及标准化处理。异常分析模块将电力负荷数据中的极端异常值剔除, 这其中包括了, 数据录入时发生的读取错误照成的极大极小值和缺失值。异常分析之后的数据录入到自回归分析模块，该模块对每一个用电单位的负荷数据进行48小时的自回归分析，通过计算同一时段在不同天的相关性，分析出该用电单位的用电规律是正常, 较为正常, 还是异常。最后在提升树模型中，通过历史历史数据(正常和异常)训练模型，通过提升树模型对实时用电数据进行分类，并通过识别报告模块，报告该用户是否属于用电异常用户。

附图说明

图1为本发明实施例中居民用电行为分析模块流程图。

图2为本发明实施例中某用户历史用电数据(度/小时)曲线图。

图3为本发明实施例中某用户历史用电数据自相关系数。

图4为本发明实施例中某用户经识别判定为用电行为正常的曲线图。

图5为本发明实施例中某用户经识别判定为用电行为异常的曲线图。

具体实施方式

为使得本发明的内容、目的、特征及优点能够更加清楚，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护说明书的范围，具体实施步骤如下。

步骤1、数据收集模块：对每一个用电单位的用电数据进行收集和存储。用电负荷数据可以采用不同的频率进行录入，在进入分析之前会求和或再分配为小时。

步骤2、根据步骤1中所取得的处理后的用电负荷数据，首先对每一个用户的用电数据进行异常分析，剔除掉极端值：

1） 数据值为: