[发明专利]一种家庭用电数据预测方法

摘要

本发明公开了一种家庭用电数据预测方法，包括原始数据的采集、数据训练和特征提取、数据的分解和分类、得出相关结论，本发明的有益效果是：该发明一种家庭用电数据预测方法，通过使用这种方法，可以通过对普通家庭智能电表的数据分析，预测单个电器每天不同时刻的开关状态，该方法解决了传统方法中因数据特征太少无法有效分类的问题，对用户用电情况的分析有重要的作用，基于此方法，我们继而可以通过建立用户隐私框架的方式对用户用电习惯隐私进行保护，具有深远的意义。

主权项

一种家庭用电数据预测方法，其特征在于：包括原始数据的采集、数据训练和特征提取以及数据的分解和分类，具体步骤如下：(1)首先通过家用智能电表进行总功率原始数据的采集，尤其是对低频数据(1Hz)的采集，采集的数据以时间戳和功率的形式进行保存，同时对每个单一电器的数据文件中的数据也进行采集；(2)将步骤(1)中采集的总功率原始数据进行特征提取，所述特征提取包括数据中带时间戳的正负功率变化、功率骤增量以及功率骤增持续时间，同时对每个单一电器的数据文件中采集的数据进行遍历，识别功率变化点，并统计功率变化大小和时间点，对出现功率浪涌的电器统计功率骤增值和持续时间，自动形成相应电器的特征向量进行保存，且特征向量保存形式为：(△pi,pis,ts,use)；(3)通过步骤(2)得出总功率原始数据的变化情况并记录变化点的大小和时间戳，通过负功变的聚类(聚类融合)，同时将负功变与正功变匹配，进行初步的时间(电器打开和关闭)估计，然后形成正功变聚类(聚类融合)，并对聚类结果统计特征，根据训练结果的特征向量进行分类，估计每一种电器的开关状态；(a)所述总功率原始数据的变化情况通过对遍历数据文件，对相邻的功率数据进行对比，当两个数据之差大于一定阈值时，记录该差值，并记录相应时间戳。当差值为负数时，作为负向功变；当差值为正时，检测下S秒有无功率波动，若有，则记录该点为功率骤增量，并向后遍历记录持续时间；若无，记录为正向功变；伪码如下：(b)所述负向功变聚类通过对已经确定的负向功变进行初步聚类(可使用改进的ISODATAS算法)，用使用时间等统计量信息对聚类结果进行分离和融合，减少聚类误差；在ISOSATA算法中加入时间特征，通过使用模式相似度进行聚类融合和分离，提高聚类准确度。(c)所述改进的ISODATAS算法的首先预设聚类数，该值的选取可由生活经验可得(即普通家庭一般具有几种电器)，θC为两个电器聚类中心的最小距离，若小于此值，则把两种电器合并成一种电器，NC为初始聚类中心的个数，S为预设的阈值，当sim值超过S时，认为两种电器聚类为同一种电器，对这两种聚类进行合并。sim的计算方法如下：记录功率变化时相应的时间戳，并计算相邻两个时间戳的差值，记录时间间隔△k＝tj‑tj‑1，其中j＝2,3,4…….通过以下公式计算△k的标准差其中Compare Sim and S(d)负功变的聚类每个聚类中的所有的负向功变与正向功变匹配，并估计打开和关闭时间，对于电器聚类i，每个已经确定的负向功率变化j的大小为△pij，发生的时间为tj，让j与发生时间为tk(tk<tj)大小为△pik的正向功变k匹配，并通过以下公式对电器打开时间和关闭时间进行估计，ton＝tj‑tktoff＝tk+1‑tj，与负向功变相匹配的正向功变被聚类为i+；(e)对上一步的每个聚类结果进行特征提取，根据训练数据中得到的每种电器的特征情况，使用简单的分类方法(如决策树)进行电器分类，识别每个聚类至具体电器；(f)电器的分类结果融合分析：加入先验知识后，进行状态估计,(该过程可采用遗传算法、维特比算法等多种方式进一步提高分解准确度)，其中单点的方法如下：在一个电器集中，把功变数据按时间顺序排序，正值表示电器被打开，负值表示电器被关闭；该过程可以对相邻的电器根据电器的状态建立成隐马尔可夫模型，用维特比算法解码，进一步对重叠电器进行分离，提高分解准确度。