[發明專利]一種基于高斯混合模型和期望極大算法的居民用電行為分析的系統及方法

在審

• 申請號: 202010826891.1
• 申請日: 2020-08-17
• 公開（公告）號: CN111932138A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 胡炳謙;周浩;顧一峰;韓俊
• 申請（專利權）人: 上海積成能源科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/62;G06F17/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

為適應新能源發電的隨機性、居民用電行為的多樣性以及電力交易體制的改革，需要提高需求響應的實時性以及電網與用戶之間信息的交互。本發明涉及一種基于大數據思維的居民用電行為分類模型，首先，采集居民用電數據，提取出居民用電行為的屬性特征，根據歷史用電數據和實時的電力負荷情況來識別居民用電規律與否的系統及方法，主要過程包括通過異常分析剔除掉個別極端用電數值,通過自回歸模型建立每個用電單位的48小時用電關系曲線,通過高斯混合模型做聚類分析,通過期望極大算法計算出高斯混合模型中的參數。本發明創新性地將時序居民用電數據轉換為自回歸系數，進而引入高斯混合聚類模型中。

技術領域

本發明涉及居民用電行為人工智能及大數據分析領域，具體涉及一種基于高斯混合模型和期望極大算法的居民用電行為分析的系統及方法。

背景技術

隨著居民生活水平的提高、節能環保意識的增強，大量的智能柔性負荷以及新型儲能設備在居民家庭普及使用，居民用戶的電力消費水平與負荷調控能力不斷提高。因此，利用智能推薦模型引導居民用戶主動開展需求響應，實現用戶與電網之間的互聯互通互動，對促進電力供需平衡、保障電網穩定運行具有重大意義。以及如何利用智能電表采集的大量用戶用電數據并對其進行數據挖掘以獲得有助于提高運行可靠性與經濟社會效益的有效信息是傳統電力公司向綜合能源服務商轉型過程中迫切需要解決的重要問題之一。負荷曲線聚類是指依據用戶的用電特性對用戶進行劃分，將具有相似用電模式的用戶歸類，這有助于電力公司了解不同用戶的用電行為，從而為制定需求側響應政策以及高精度負荷預測提供支撐。此外，負荷模式聚類還可用于異常用電檢測，負荷控制，配電網規劃，智能化城市管理等。因此，研究電力用戶負荷模式分類技術對于提升電力公司服務水平、改善電網資 產利用效率、提高企業經濟效益、節能增效具有重要意義。

發明內容

本發明提出了一種基于實時電力負荷數據的居民用電行為分類模型。整個過程包括了數據收集模塊, 剔除極端值模塊, 自相關系數轉換模塊，高斯混合分類模型, 以及實時識別報告模塊，如圖1所示。電力負荷數據收集模塊通常通過智能電表等終端設備采集,存儲并處理原始居民用電負荷數據，并對這些數據進行分析, 整合, 校正, 填補缺失值,以及標準化處理。異常分析模塊將電力負荷數據中的極端異常值剔除, 這其中包括了, 數據錄入時發生的讀取錯誤照成的極大極小值和缺失值。異常分析之后的數據錄入到自回歸系數轉換模塊，該模塊對每一個用電單位的負荷數據進行48小時的自回歸系數轉換。在高斯混合模型對歷史用電數據進行聚類分析, 此外用期望極大算法計算高斯混合模型參數。最后并通過實時用電識別報告模塊，報告該用戶當前用電行為是否屬于用電異常。

附圖說明

圖1 為本發明實施中居民用電行為聚類分析模塊流程圖。

圖2為本發明實施中某用戶歷史用電數據(度/小時)的曲線圖。

圖3為本發明實施中某用戶歷史用電數據自相關系數圖。

圖4為本發明實施中實時用電數據分類識別為用電行為正常的示意圖。

圖5為本發明實施中實時用電數據分類識別為用電行為較為正常的示意圖。

圖6為本發明實施中實時用電數據分類識別為用電行為異常的示意圖。

具體實施方式

為使得本發明的內容、目的、特征及優點能夠更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，下面所描述的實施例僅僅是本發明一部分實施例，而非全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其它實施例，都屬于本發明保護說明書的范圍，整個系統運行的具體步驟如下。

1.數據收集模塊：對每一個用電單位的用電數據進行收集和存儲。用電負荷數據可以采用不同的頻率進行錄入，在進入分析之前會求和或再分配為小時。