[发明专利]一种用户用电行为模式识别方法

权利要求书

1.一种用户用电行为模式识别方法，其特征在于，包括：

采集日负荷曲线数据，对所述日负荷曲线数据进行预处理，随机划分为第一数据集和第二数据集，所述第一数据集用于负荷曲线类别标签数据的筛选；

筛选所述第一数据集，获取精准负荷曲线类别标签数据；

提取所述精准负荷曲线类别标签数据中的Shapelet集合，包括：

基于所述精准负荷曲线类别标签数据，构建Shapelet指针向量；

构建TV-LAsso正则器，利用所述TV-LAsso正则器，稀疏模块化所述Shapelet指针向量，获取稀疏块化指针向量；

利用所述稀疏块化指针向量确定所述Shapelet集合，包括：

利用所述稀疏块化指针向量提取每一类别所述Shapelet集合，计算相同时段的每一类别所述Shapelet集合的平均值，

由所述每一类别Shapelet集合的平均值构成的集合，即为所述Shapelet集合；

利用所述Shapelet集合对所述第二数据集进行Shapelet转换获得时序轨迹特征矩阵，包括：

按照最小距离准则计算第一子序列和第二子序列之间的欧氏距离，所述第一子序列为长度为l的所述Shapelet集合中子序列，所述第二子序列为长度为l的日负荷曲线子序列；

基于所述欧氏距离，将所述第二数据集中的所有子序列通过所述Shapelet集合转换获取所述第二数据集中的所有子序列的时序轨迹特征；

所述第二数据集中的所有子序列的时序轨迹特征构成所述时序轨迹特征矩阵

将所述时序轨迹特征矩阵随机划分为训练集和测试集；

利用所述训练集构建并训练随机森林分类器；

利用训练好的所述随机森林分类器对所述测试集进行分类，获得分类结果，识别用户用电行为模式。

2.根据权利要求1所述的用户用电行为模式识别方法，其特征在于，对所述日负荷曲线数据进行预处理包括：

清除或修正所述日负荷曲线数据中的异常数据，获取待分析日负荷曲线数据；

对所述待分析日负荷曲线数据进行归一化处理。

3.根据权利要求1所述的用户用电行为模式识别方法，其特征在于，筛选所述训练集，获取精准负荷曲线类别标签数据包括：

对所述第一数据集进行聚类，获取负荷曲线类别标签数据；

计算各类所述负荷曲线类别标签数据中每条日负荷曲线到本类别其他所述日负荷曲线的距离之和；

设置阈值，剔除所述距离之和大于所述阈值的所述负荷曲线类别标签数据，提取所述精准负荷曲线类别标签数据。

4.根据权利要求3所述的用户用电行为模式识别方法，其特征在于，采用SVD-KICIC聚类算法对所述第一数据集进行聚类。

5.根据权利要求1所述的用户用电行为模式识别方法，其特征在于，所述利用训练集构建并训练随机森林分类器包括：

从所述Shapelet集合中进行m次抽样，生成m个子样本集，其中，所述m个子样本集包含的样本数量相同；

利用所述子样本集训练CART决策树组合生成随机森林分类模型；

对所述随机森林分类模型中的每棵决策树的节点进行分裂，获得最终的每棵所述决策树，并计算每棵所述决策树的袋外数据误差；

保留每棵所述决策树的完整性，利用所述测试集对所有所述决策树进行测试，获得分类结果；

对所述分类结果进行投票，选出票数最多的类别作为所述测试集的所属类别。