[发明专利]一种基于CCASM算法的用户用电行为数据分析方法

权利要求书

1.一种基于CCASM算法的用户用电行为数据分析方法，其特征在于，包括以下步骤：

步骤一：对电网数据进行特征指标的提取和分析；

步骤二：基于特征指标的用电负荷二次分类；

步骤三：对用户负荷特性进行杠杆分析；

步骤四：利用CCASM算法对用电关联性进行分析。

2.根据权利要求1所述的一种基于CCASM算法的用户用电行为数据分析方法，其特征在于，所述步骤一采集电网内部数据和与其相关数据，包括用户用电量、用电行为、用电频率、用电时间的因果性、用户原因导致变压器及其他设备发生跳闸故障时的设备运行数据和设备正常运行数据，形成异构数据流，采用开源工具对数据进行抽取融合。

3.根据权利要求1所述的一种基于CCASM算法的用户用电行为数据分析方法，其特征在于，所述步骤二基于特征指标对用户负荷进行初分类和二次分类，选用层次分析法对一级指标体系进行评价,运用关联矩阵法对影响因素及系统二级指标影响进行评价,确定每个指标与影响因素之间的权重，在初分类的基础上对每―类用户负荷进行聚类分析。

4.根据权利要求1所述的一种基于CCASM算法的用户用电行为数据分析方法，其特征在于，所述步骤三针对用户用电特性,直接或间接得到的用户的用电负荷曲线,以其作为基准,在二次分类结果中,找到包含用户最多的那一种分类,得到标杆,与其他用户的负荷曲线进行对比,根据其与标杆之间的区别,对其用电习惯进行评估。

5.根据权利要求1所述的一种基于CCASM算法的用户用电行为数据分析方法，其特征在于，所述步骤四运用相关分析CCASM算法，解决用户用电行为两种或两种以上的相关性分析，步骤如下：

1)对用电数据X进行多变量聚类，根据聚类结果得到K个类别的X₁，X₂，...，X_k，然后将非电力数据Y和Z同样分成K个类别，得到K组[X_l,Y_l,Z_l]，其中1≤l≤K；

2)进行相关性分析，对[X_l,Y_l,Z_l]中的每一组[X_li,Y_li,Z_li]执行CCA分析，然后通过最优结果算法获得唯一且最优的单日相关性系数p_li和各变量的权重矩阵wss_li；

3)将所有的单日相关性系数和权重矩阵按时间顺序排列汇总，得到连续N天的X、Y和Z之间的日相关性和变量权重数据，对分析结果做最优选择。

其中，多变量集合X＝{X₁,X₂,...,X_N}为N天的用电负荷数据；

X_i＝{X_i1,X_i2,...,X_ip}∈R^dxp是具有p个变量的日负荷数据，且1≤i≤N；

X_i为一种用电设备的负荷数据；

X_ij为一种用电设备的日负荷数据，且1≤j≤p；

多变量集合Y＝{Y₁,Y₂,...,Y_N}为用户的任一非电力因素；

Y_i＝{Y_i1,Y_i2,...,Y_iq}∈R^dxq是具有q个变量的日数据；

Y_i为该因素的的负荷数据；

Y_ij为该因素中的一种子因素的日数据，且1≤j≤q；

X_i和Y_i完全对应，表示同一天的日数据。