[发明专利]一种居民典型电力消费模式的提取方法与系统

说明书

本发明公开一种居民典型电力消费模式的提取方法与系统，属于智能电表应用领域。包括：获取对象M天电力消费数据，得到M条日负荷曲线；对每条日负荷曲线数据进行标准化处理；对每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；采用带噪声的基于密度的空间聚类算法将M个符号时间序列分类，剔除异常值；将每个符号时间序列还原为电力消费水平时间序列；对所有电力消费水平时间序列中相同时段电力消费水平计算平均值，得到居民的典型电力消费模式。本发明消除干扰性的电力特征，使得用户分类结果中簇内具有更高相似性，簇间差异更显著；消除居民电力消费模式中的异常值，使得提取出的居民典型电力消费模式更具代表性。

技术领域

本发明属于智能电表的应用领域，更具体地，涉及一种居民典型电力消费模式的提取方法与系统。

背景技术

随着可再生能源和核能利用技术的不断更新，大部分的电能需求都可以通过清洁能源转化来满足。然后，为了应对用电高峰期的负荷需求，仍然需要燃烧化石能源来获取更多电能，因而导致了过多的碳排放和严重的环境污染。居民电力消费是电力消费的主体之一。塑造更加合理的居民电力消费行为，可以起到削峰填谷的作用从而减少碳排放。随着智能电网技术的发展和应用，所建立的高级量测体系以及用户能量管理系统，能够实现对用户电力消费数据的详细测量和存储，为用户用电行为的科学分析提供坚实的数据基础。

考虑到居民用户电力消费行为易变，基于智能电表数据提取出的用户电力消费模式是一种描述电力消费行为的高效方式。单个用户每天的智能电表数据构成日负荷曲线，而提取用户电力消费模式即是对用户的日负荷曲线进行数据挖掘。居民典型电力消费模式提取方法需要考虑两个重要方面。一方面，需要能够高效处理海量的智能电表数据，以满足未来智能电表数据分析的实时性需求。另一方面，需要尽可能突显用户的电力消费特征。

目前主要的用户典型电力消费模式提取为两种。第一种是平均值方法，直接计算用户日负荷曲线的平均值，作为其典型电力消费模式。这种方法的优势在于简单快捷，计算量小，但是对于日负荷曲线中存在异常值的用户，效果较差。第二种是先采用带噪声的基于密度的空间聚类算法对异常值进行过滤，再采用平均值方法进行计算。该方法相比于平均值方法解决了异常值影响的问题，但基于这类方法的结果对用户进行分类，会存在部分类别之间差异不明显的问题。其原因是提取出的负荷曲线中仍然存在一些与电力消费模式关联性弱的特征，导致聚类算法在进行用户分类时过于关注弱关联特征，进而造成聚类结果不够显著。

发明内容

针对现有技术居民典型电力消费模式中存在扰动的缺陷和改进需求，本发明提供了一种居民典型电力消费模式的提取方法与系统，其目的在于采用符号聚合近似对原始负荷曲线进行分段聚合与符号化处理，得到符号时间序列，再采用改进带噪声的基于密度的空间聚类算法对符号时间序列进行模式提取，得到扰动小的居民典型电力消费模式，消除了异常值和与典型电力消费模式关联性弱的特征，具有良好的模式特征。采用提取出的居民典型电力消费模式进行聚类分析时，同类间模式特征明显，且不同类别间差异显著。因此，该种提取方法可以用来得到具有良好模式特征的居民典型电力消费模式。

为实现上述目的，按照本发明的第一方面，提供了一种居民典型电力消费模式的提取方法，该方法包括以下步骤：

S1.以单个居民为对象，获取该对象N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；