[发明专利]一种需求侧动态响应中电能量异常数据实时分析方法

权利要求书

1.一种需求侧动态响应中电能量异常数据实时分析方法，其特征在于，包括以下步骤：

S1、电力用户数据预处理；

S2、利用随机森林算法，根据预处理后的数据，构建数据异常规则库；

S3、基于所述数据异常规则库，通过从电能量实时采集数据流中进行数据指标特征提取、随机森林分类、数据评价规则管理、异常点定位，检测异常数据；通过分析数据在时序上的特点，分别从统计性指标、趋势性指标、变动性指标及负荷特征指标四个方面提取电能量数据异常特征；

S4、构建电能量数据准实时异常智能检测方法；

S5、识别电能量数据准实时异常；其中，所述异常包括采集失败、飞走、倒走、停走；

S6、根据电网企业计量装置的尖峰、峰段、平段、谷段的用电量，平均分解到对应段中每个小时，以此生成分时电量；

S7、拟合需求侧响应的电能量准实时数据；其中，拟合对象包括：10kV及以上用户、10kV及以下用户、往月电量、10kV及以上用户96点平均负荷、10kV及以下专变用户及台区用户96点平均负荷；

S8、修正电能量数据拟合模型；

S9、基于历史数据审核规则回测分析。

2.根据权利要求1所述的需求侧动态响应中电能量异常数据实时分析方法，其特征在于，所述步骤S1包括：

对从计量自动化系统采集到的电力用电数据进行规则剔除；所述剔除的对象包括：用户的日负荷数据缺失四分之一及其以上的、月负荷数据中有三分之一数据缺失的电力用户、月负荷数据一半以上为零的电力用户、日、月负荷数据均相同的用户；

采用拉格朗日插值法对于缺失的用户用电数据进行插值填补；

采用最小-最大标准化方法对采集到的用电数据进行归一化处理。

3.根据权利要求1所述的需求侧动态响应中电能量异常数据实时分析方法，其特征在于，所述步骤S7中，对于所述10kV及以上用户，包括：

采用计量自动化系统已拟合的示值曲线，以积分电量的方式拟合缺失的日电量。

4.根据权利要求1所述的需求侧动态响应中电能量异常数据实时分析方法，其特征在于，所述步骤S7中，对于10kV及以下用户，包括：

若已进行曲线数据采集，缺失电能量数据准实时数据，当日首尾0点的示数曲线数据齐全，则采用积分电量的方式拟合缺失的日电量；

若不具备曲线采集条件或具备曲线采集但日首尾示值曲线不全，则采用参考日电量加权均值法拟合日电量。

5.根据权利要求1所述的需求侧动态响应中电能量异常数据实时分析方法，其特征在于，所述步骤S7中，对于往月电量，包括：

按照行业对上月电能量数据准实时采集缺失的用户进行分类，抽取对应行业的典型用户，基于采集系统的电能量数据准实时数据计算典型用户的日电量与月电量，分析涉及行业的日电量分布，结合用户出账电量，对上月缺失日电量进行拟合。

6.根据权利要求1所述的需求侧动态响应中电能量异常数据实时分析方法，其特征在于，所述步骤S7中，对于10kV及以上用户96点平均负荷，包括：

取已拟合补全过的示数曲线，计算96点电量；

根据96点电量拟合缺失的96点平均负荷；其中，96点平均负荷＝96点电量/0.25。

7.根据权利要求1所述的需求侧动态响应中电能量异常数据实时分析方法，其特征在于，所述步骤S7中，对于10kV及以下专变用户及台区用户96点平均负荷，包括：

若示值曲线首个点存在异常，但电能量数据准实时数据正常，则用电能量数据准实时填充；

若数据连续异常点小于等于3个时，则利用平均值法对缺失数据进行拟合；

若数据连续异常点数量大于3时，则

对用户用电曲线进行数据特征分类；

根据用户用电特征分类情况，构建对应的间隔用电特征曲线；

对缺失数据的用户用电曲线进行用电特征识别；

根据用户用电特征曲线，对缺失数据的曲线进行数据拟合。