[發明專利]基于BEMD和kmeans電力用戶特征分析方法及系統

在審

• 申請號: 202010571026.7
• 申請日: 2020-06-22
• 公開（公告）號: CN111898857A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 崔嘉;商業;楊俊友;楊超;王飛;曹智;楊壯觀;王欣柳;李桐
• 申請（專利權）人: 沈陽工業大學;國網遼寧省電力有限公司電力科學研究院;國網遼寧省電力有限公司信息通信分公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06F16/906;G06K9/62
• 代理公司: 沈陽智龍專利事務所(普通合伙) 21115
• 代理人: 張君男;宋鐵軍

本發明涉及電力系統的負荷預測領域，具體涉及基于BEMD和kmeans電力用戶特征分析方法及系統。該方法先獲取用戶電力負荷數據，并存儲為數據庫；然后基于經驗模態分解方法對電力負荷數據進行預處理；再將分層次的電力負荷數據進行kmeans算法聚類，并選取皮爾遜距離作為樣本相似程度的評價指標；根據kmeans聚類結果和實際用戶用電特點針對不同時間區間進行特征分析。本發明分析方法能夠適應時間區間負荷數據，同樣適用于波動性強、穩定性差的負荷，可實現對于電力用戶用電特征的分層次聚類，兼顧了運算速度的前提下聚類效果穩定良好。

技術領域

本發明涉及電力系統的負荷預測領域，具體涉及基于BEMD和kmeans電力用戶特征分析方法及系統。

背景技術

用戶用電行為分析建立在海量用電數據的基礎上，考慮天氣、地理信息等因素，利用數據挖掘技術，提取和分析不同用戶用電特性。用戶用電負荷具有較大的不確定性，日負荷曲線展現了用戶一天中的用電行為,表現為負荷的橫向特性:而一段時期(如一周或一個月)中不同的日負荷曲線也會存在差異,表現為負荷的縱向特性。不同用戶的縱向差異程度具有明顯的區別。但是目前這些研究還不深入，海量用電數據的價值還沒有被充分的挖掘和應用，暫未完全達到負荷特征透明化。

近年來，社會已經意識到用戶用電行為分析的重要性，相關學者已經開展了應用研究。當下已將聚類算法應用于用戶分類，但是對用戶典型負荷特性提取的研究有限，無法充分挖掘用戶的負荷特性。而在分析不同居民用戶的用電行為的基礎上，再應用聚類算法對居民用戶分類，其結果較好的反應了不同類別用戶實際用電行為，但是對于用戶需求側響應方面沒有繼續深入研究。因此，需要一種高效、準確的聚類算法對用戶進行細分，在能夠較好地分析用戶用電行為基礎上，考慮傳統kmeans算法初始聚類數及初始聚類中心的選擇是準確挖掘出用戶用電行為的基礎。

智能電網是能源與電力行業發展的必然趨勢。隨著智能電網理論與實踐的推進，電網建設正朝著數字化、互動化和分布化的方向發展。分布式可再生能源和電動汽車等多元化負荷的廣泛接入,加大了負荷預測和需求側管理等工作的難度，對電力用戶進行精細化分類成為了負荷預測、需求側管理、用電定價等方面的重要前提。對用戶進行合理精細的分類，掌握用戶的用電行為，對于各電力企業制定運維和營銷策略具有重要意義。隨著大數據時代的到來，在智能電網的大背景下，電網用電信息采集系統、客戶服務信息系統積累了海量用電數據，這些數據隱藏了很多用電信息。而工商業負荷作為用電大戶，如何能確保有序高效、節能環保的用電是重中之重。因此，未來的智能電網在保證安全、可靠用電的同時，應該面向不同的用戶提供更加優質且具有針對性的服務及科學用電建議。因此提取和分析用戶用電的規律及用電特性對用戶本身及供電公司有著重要的意義。

發明內容

發明目的：

本發明針對傳統聚類算法進行電力用戶特征分析過程中，對于非線性非穩態信號無法提供局部時間上的頻率特征，導致聚類準確性低、聚類效果差等問題，提出一種基于經驗模態分解和kmeans結合的電力用戶特征分析方法。

技術方案：

基于BEMD和kmeans電力用戶特征分析方法，該方法包括：

步驟1，獲取用戶電力負荷數據，并存儲為數據庫；

步驟2，基于經驗模態分解方法對電力負荷數據進行預處理；

步驟3，將分層次的電力負荷數據進行kmeans算法聚類，并選取皮爾遜距離作為樣本相似程度的評價指標；

步驟4，根據kmeans聚類結果和實際用戶用電特點針對不同時間區間進行特征分析。

進一步的，用電采集系統中的每個電力用戶都有著龐大且復雜的負荷數據，內部數據獲取采取開放式接口的方式進行，并存儲為數據庫，同時對數據進行行業分類處理，粗略剔除異常數據。