[发明专利]一种居民典型电力消费模式的提取方法与系统

权利要求书

1.一种居民典型电力消费模式的提取方法，其特征在于，该方法包括以下步骤：

S1.以单个居民为对象，获取该对象M天工作日和在此期间非工作日的电力消费数据，每一天的采样间隔为N小时，得到该对象的M条工作日日负荷曲线和m条非工作日日负荷曲线，其中，M≥30，N≤2且采样点个数H＝24/N为整数；

S2.对每一条日负荷曲线中的数据进行标准化处理，得到标准化后日负荷曲线；

S3.对每一条标准化后日负荷曲线，采用符号化聚合近似将日负荷曲线转化为符号时间序列，序列中每个符号反映对应时段的电力消费水平；

S4.采用带噪声的基于密度的空间聚类算法将该对象的M个符号时间序列分为两类，一类为居民工作日电力消费模式，另一类为异常值；采用带噪声的基于密度的空间聚类算法将该对象的m个符号时间序列分为两类，一类为居民非工作日电力消费模式，另一类为异常值，将所有异常值剔除；其中，所述采用带噪声的基于密度的空间聚类算法将该对象的M个符号时间序列分为两类，包括以下子步骤：

(1)聚类半径ε和步长a初始化为相同值，ε邻域内点个数阈值minPts设置为搜索精度ε_end初始化，其中，每条符号时间序列视为T维空间的一个点；

(2)采用带噪声的基于密度聚类算法对M个点进行聚类；

(3)统计核心点的个数N_p，所述核心点是邻域内点个数不小于minPts的点；

(4)若N_p0，则进入步骤(5)，否则，a＝a/2，ε＝ε+a，进入步骤(2)；

(5)若aε_end，则记录ε当前值和核心点的索引，否则，a＝a/2，ε＝ε-a，进入步骤(2)；

S5.将居民工作日电力消费模式中的每一个符号时间序列还原为对应的电力消费水平时间序列，将居民非工作日电力消费模式中的每一个符号时间序列还原为对应的电力消费水平时间序列；

S6.对于居民工作日电力消费模式中的所有电力消费水平时间序列中相同时段的电力消费水平计算平均值，得到居民的工作日典型电力消费模式；对于居民非工作日电力消费模式中的所有电力消费水平时间序列中相同时段的电力消费水平计算平均值，得到居民的非工作日典型电力消费模式。

2.如权利要求1所述的方法，其特征在于，步骤S2中，采用最大最小值标准化方法进行处理。

3.如权利要求1所述的方法，其特征在于，步骤S3包括以下子步骤：

S31.基于标准化后日负荷曲线对一天24小时进行时段划分，使得每个时段的残差平方和与总时间序列自由度的比值最小化，得到T个时段；

S32.采用分段聚合近似将日负荷曲线在T个时段上分别进行数据压缩，得到电力消费水平时间序列；

S33.采用符号化转换将每个电力消费水平时间序列转化为符号时间序列。

4.如权利要求3所述的方法，其特征在于，步骤S31具体如下：

S311.将分段点集合B_l初始化为{1,H}，H表示一天的采样点个数，时段个数l＝1；

S312.l＝l+1，最小化目标函数f(B_l)，得到一个新的分段点b_l，所述目标函数如下：

f(B_l)＝SS/df(P^*)

其中，SS表示P^*的残差平方和，df(P^*)＝H-l表示P^*的自由度，P^*表示标准化后的日负荷曲线，SS_i表示时段T_i内的残差平方和，p^*(t)表示P^*中t时刻的数值，表示时段T_i内p^*(t)的均值，每个区间内包含的数据点数＞3；

S313.若f(B_l)≥f(B_l-1)，则停止，得到的B_l＝{b₀,b₁,…,b_l}将用来划分时段，将此时的l赋值给T，否则，进入步骤S312。

5.一种居民典型电力消费模式的提取系统，其特征在于，包括：计算机可读存储介质和处理器；

所述计算机可读存储介质用于存储可执行指令；

所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1至4任一项所述的居民典型电力消费模式的提取方法。