(12)發(fā)明專利(10)授權(quán)公告號CN11461127(65)同一申請的已公布的文獻(xiàn)號(73)專利權(quán)人國網(wǎng)上海市電力公司地址200120上海市浦東新區(qū)源深路1122號專利權(quán)人華東電力試驗研究院有限公司審查員符昱(72)發(fā)明人朱錚曹祎黃鋒俞磊許堉坤蔣超杜成剛戴辰王晉(74)專利代理機(jī)構(gòu)濟(jì)南克雷姆專利代理事務(wù)所(普通合伙)37279專利代理師張祥明一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法本發(fā)明屬于用電數(shù)據(jù)分析處理應(yīng)用領(lǐng)域，為了解決電能示值曲線數(shù)據(jù)異常的恢復(fù)問題，提供了一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法，包括以下步驟：S1:用戶用電曲線特征識別與分類；S2:構(gòu)建用戶不同用電行為最小間隔動態(tài)特征曲線；S3:日用電行為特征曲線與最小間隔動態(tài)特征曲線相似性匹配；S4:基于最小用電間隔用電權(quán)重的數(shù)據(jù)擬合。本發(fā)明用以支撐電網(wǎng)企業(yè)開展電力市場化交易負(fù)荷預(yù)測、貿(mào)戶綜合能效管理、政府重大分析決策等需求；此算法可有效確保用戶用電電能示值曲線的數(shù)據(jù)21.一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法，其特征在于，包括以下步驟：S1:用戶用電曲線特征識別與分類；S2:構(gòu)建用戶不同用電行為最小間隔動態(tài)特征曲線；S3:日用電曲線與最小間隔動態(tài)特征曲線相似性匹配；S4:基于最小用電間隔用電權(quán)重的數(shù)據(jù)擬合；步驟S1中所述的用戶用電曲線特征識別與分類，具體按如下步驟實施：取用電客戶近D日電能示值曲線，對每一日曲線進(jìn)行特征識別，記錄每一日曲線特征信息；特征通過識別間隔用電突增、突降點的數(shù)據(jù)點時間次序與突增、突降次數(shù)進(jìn)行特征描述構(gòu)建近D日曲線特征信息集：步驟S2中所述的構(gòu)建用戶不同用電行為最小間隔動態(tài)特征曲線，具體按如下步驟實依據(jù)曲線特征參數(shù)進(jìn)行同類用電特征合并，形成該用戶用電特征分類：{Q?,Q?,Q?,...,Q};取某一特征分類Q下的所有曲線數(shù)據(jù)，獲取每條曲線每個有效間隔的用電量，對同一時間點對應(yīng)的間隔用電求取加權(quán)平均值，生成間隔用電{q?,?,Q?,..…,495};步驟S3中所述的日用電曲線與最小間隔動態(tài)特征曲線相似性匹配，具體按如下步驟實獲取用戶當(dāng)前用電示值交易曲線數(shù)據(jù)；根據(jù)曲線數(shù)據(jù)缺失數(shù)據(jù)點情況，將一條曲線數(shù)據(jù)分成多段連續(xù)的曲線段，獲取每一曲線段對應(yīng)的間隔用電序列，形成多條用電曲線段；根據(jù)用電曲線段的有效用電間隔情況，利用皮爾遜系數(shù)法求取該段曲線與該用戶各動態(tài)特征曲線對應(yīng)時間序列內(nèi)的相關(guān)性；綜合該曲線各分段曲線與各動態(tài)特征曲線的相關(guān)性情況，利用相似度加權(quán)占比方法，求取整條曲線與各特征曲線的相似度；曲線分段相關(guān)性計算說明如下：定義曲線段q=[q?,q,…q14],獲取該用戶某一特征曲線同時段數(shù)據(jù)y=[y?,y?,…y14則計算公式如下所示：其中Pa,即為所求相關(guān)性系數(shù)，cov(q,y)為q、y向量的協(xié)方差，88,分別為q、y向量的標(biāo)32.根據(jù)權(quán)利要求1所述的一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法，其特征在于，步驟S4中所述的基于最小用電間隔用電權(quán)重的數(shù)據(jù)擬合，具體按如下步驟實獲取缺失數(shù)據(jù)曲線段前后兩個可信值，根據(jù)對應(yīng)特征曲線同時段的趨勢與用電總量，利用加權(quán)電量占比求取各間隔的擬合電量,再根據(jù)可信點求取曲線擬合示間隔的用電量；Q總：間隔用電參考曲線對應(yīng)所求曲4一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法技術(shù)領(lǐng)域[0001]本發(fā)明屬于用電數(shù)據(jù)分析處理應(yīng)用技術(shù)領(lǐng)域，具體涉及一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法。背景技術(shù)[0002]為了支撐電力市場改革和分時段電價制定與貿(mào)易結(jié)算等需要，國網(wǎng)公司依托“網(wǎng)上國網(wǎng)”,上線了市場化售電e助手，向市場化用戶和售電公司開放用戶歷史電量負(fù)荷曲線銷營業(yè)〔2021〕23號〕,也對加快提升高頻采集抄表能力、提升分鐘了新要求。設(shè)備的偶發(fā)性故障與通信誤碼等原因造成的毛刺數(shù)據(jù)，遠(yuǎn)程信道不穩(wěn)定、營銷換表業(yè)務(wù)等原因引發(fā)的間歇性采集失敗等現(xiàn)象，導(dǎo)致數(shù)據(jù)缺失在所難免，必然會造成電能示值交易曲線數(shù)據(jù)不全，影響用戶負(fù)荷預(yù)測、電價[0003]電力行業(yè)現(xiàn)有的曲線數(shù)據(jù)預(yù)測技術(shù)大多針對于電網(wǎng)全局用電，其特性整體規(guī)律性較穩(wěn)定，而單一用戶的用電示值曲線，受個體生產(chǎn)行為及外界天氣變化等因素影響較大，會對用電趨勢造成不確定性和強(qiáng)非線性，已有數(shù)據(jù)預(yù)測與擬合方法只有可借鑒性，并不能很好的滿足用戶交易曲線擬合的要求。如何充分結(jié)合用戶個體用電行為特征，實現(xiàn)用電曲線數(shù)據(jù)的恢復(fù)和預(yù)測是需要解決的關(guān)鍵問題。[0004]中國專利申請CN202110212361.2公開了一種基于DCAE-LSTM短期日負(fù)荷曲線預(yù)測步驟3)、構(gòu)造基于長短期記憶網(wǎng)絡(luò)的負(fù)荷預(yù)測網(wǎng)絡(luò)；步驟4)、將卷積去噪自編碼器與基于長短期記憶網(wǎng)絡(luò)的負(fù)荷預(yù)測網(wǎng)絡(luò)結(jié)合，組成混合深度神經(jīng)網(wǎng)絡(luò)；步驟5)、將步驟1)中帶有高噪聲的數(shù)據(jù)集輸入步驟4)中的混合深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)短期日負(fù)荷曲線的預(yù)測。其存在的不足是該方法雖有效消除了高噪聲對負(fù)荷用電的影響，但未對用戶個體行為因素充分利用，對用戶個體負(fù)荷曲線的預(yù)測存在明顯短板。發(fā)明內(nèi)容[0005]為了解決現(xiàn)有技術(shù)存在的問題，本發(fā)明提出了一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法。旨在對缺失數(shù)據(jù)點的電能示值曲線數(shù)據(jù)有效恢復(fù)與預(yù)測，還原個體用戶用電曲線真實情況，提高交易結(jié)算數(shù)據(jù)的可靠性。[0006]本發(fā)明提出了一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法，包括以下步驟：[0007]S1:用戶用電曲線特征識別與分類；[0008]S2:構(gòu)建用戶不同用電行為最小間隔動態(tài)特征曲線；[0009]S3:日用電曲線與最小間隔動態(tài)特征曲線相似性匹配；[0010]S4:基于最小用電間隔用電權(quán)重的數(shù)據(jù)擬合。[0011]步驟S1中所述的用戶用電曲線特征識別與分類，具體按如下步驟實施：5實施：[0016]依據(jù)曲線特征參數(shù)進(jìn)行同類用電特征合并，形成該用戶用電特征分類：{Q?,Q?,Q?,,Q};取某一特征分類Q下的所有曲線數(shù)據(jù)，獲取每條曲線每個有效間隔的用電[0023]假設(shè)曲線段q=[q?,q,…914],獲取該用戶某一特征曲線同時段數(shù)據(jù)y=[y?,y?,…6所求間隔的用電量；Q總：間隔用電參考曲線對應(yīng)所求曲線缺失數(shù)據(jù)點的總用電量。[0031]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：[0032]1.為解決用戶用電示值曲線數(shù)據(jù)缺失的問題，提出一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法。該方法首先要基于歷史數(shù)據(jù)構(gòu)建用電曲線特征數(shù)學(xué)模型，進(jìn)而對用戶用電行為進(jìn)行可靠分類，再利用同類型用電特征對缺失數(shù)據(jù)的曲線進(jìn)行有效擬合與預(yù)測，完成曲線數(shù)據(jù)的修復(fù)。該方法在解決個體用戶用電曲線數(shù)據(jù)缺失問題上具有較高的普適性和精確度。[0033]2.本發(fā)明提供了一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法，用以支撐電網(wǎng)企業(yè)開展電力市場化交易負(fù)荷預(yù)測、貿(mào)易結(jié)算、電價制定、代理購電等業(yè)務(wù)、電力用戶綜合能效管理、政府重大分析決策等需求，此算法可有效確保電能示值曲線的數(shù)據(jù)完整性、擬合數(shù)據(jù)的精度，整體提升電能示值曲線數(shù)據(jù)的質(zhì)量。附圖說明[0034]本發(fā)明的上述和/或附加的方面和優(yōu)點從結(jié)合下面附圖對實施例的描述中將變得明顯和容易理解，其中：[0035]圖1是本發(fā)明方法框圖。[0036]圖2是本發(fā)明的流程概況圖。[0037]圖3是本發(fā)明動態(tài)特征曲線構(gòu)建流程圖。[0038]圖4是本發(fā)明相似度最佳動態(tài)特征曲線匹配流程圖。[0039]圖5是本發(fā)明間隔用電趨勢擬合流程圖。[0040]圖6是本發(fā)明用戶用電特征曲線示意圖。[0041]圖7是本發(fā)明實例仿真驗證結(jié)果圖。具體實施方式[0042]下面詳細(xì)描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。[0043]如圖1-7所示，本發(fā)明是這樣實現(xiàn)的，一種基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法，包括以下步驟：[0044]S1:用戶用電曲線特征識別與分類；[0045]S2:構(gòu)建用戶不同用電行為最小間隔動態(tài)特征曲線；[0046]S3:日用電曲線與最小間隔動態(tài)特征曲線相似性匹配；[0047]S4:基于最小用電間隔用電權(quán)重的數(shù)據(jù)擬合。[0048]下面就上述方法中所涉及到的具體步驟作詳細(xì)解釋：[0049]步驟一，步驟S1中所述的用戶用電曲線特征識別與分類，具體按如下步驟實施：[0050]取用電客戶近D日電能示值曲線，對每一日曲線進(jìn)行特征識別，記錄每一日曲線特征信息。[0051]本發(fā)明定義的曲線特征主要考慮時序、漲幅兩個維度，每條日用電示值曲線，從00:00分到23:45分，間隔15分鐘記錄一個時刻的數(shù)值，合計96點數(shù)值。本特征通過識別間隔7用電突增、突降點的數(shù)據(jù)點時間次序與突增、突降次數(shù)進(jìn)行特征描述記錄。次數(shù)，T為第x次突變信息元素，包含突變時間點以及突變描述(突增或突降);[0053]構(gòu)建近D日曲線特征信息集：[0056]1)間隔用電突增識別：依次求取曲線數(shù)據(jù)各有效間隔用電，當(dāng)緊鄰的兩個間隔用電，后者大于最小刻度，并且大于前者K?(K?為常量系數(shù)[2,為后者為突增用電間隔，并按元素T定義要求，記錄該突增間隔信息。[0057]2)間隔用電突降識別：依次求取曲線數(shù)據(jù)各有效間隔用電，當(dāng)緊鄰的兩個間隔用電，后者不為0,且小于前者K?(K?小于1常量系數(shù)，本發(fā)明中取值為0.5)倍時，認(rèn)為后者為突[0058]結(jié)合96點曲線數(shù)據(jù)，對各有效間隔進(jìn)行突變特征識別，并統(tǒng)計突增與突降的次數(shù)，形成最終的曲線特征量序列。[0059]說明：本發(fā)明該步驟中D,為常量系數(shù)，默認(rèn)值為365,可根據(jù)研究數(shù)據(jù)源情況進(jìn)行[0060]步驟二，步驟S2中所述的構(gòu)建用戶不同用電行為最小間隔動態(tài)特征曲線，具體按[0061]2.1:基于步驟一中的用戶每日曲線用電特征，統(tǒng)計不同的特征量序列，以特征量序列為準(zhǔn)，統(tǒng)計記錄該特征量序列下的曲線情況，完成曲線特征分類歸并，歸并規(guī)則Q=Q,形成該用戶特征分類集{Q?,Q?,Q?,,Q}。[0062]2.2:取某一特征分類Q下的所有曲線數(shù)據(jù)，獲取每條曲線每個有效間隔的用電量，對同一時間點對應(yīng)的間隔用電求取平均值，生成間隔用電{q?,Q?,a?,...,95}。[0063]假如：特征分類Qx下的有30條曲線，分別為曲線X?-x30,且各曲線q?(00:00分到00:[0064]2.3:根據(jù)各特征分類形成對應(yīng)的特征分類曲線集：[0066]如圖6所示，根據(jù)實際數(shù)據(jù)計算所得的同一用戶，不同特征分類(工作日與非工作日)下的間隔用電曲線。[0067]2.4:給定初始數(shù)據(jù)點(00:00時刻對應(yīng)的數(shù)值)R?(大于0的常量),結(jié)合用電間隔序列{q?,Q?,Q?,.…,5},生成對應(yīng)的特征曲線數(shù)據(jù){R?,R?,R?,...,R??}。8[0072]3.3根據(jù)用電曲線段的有效用電間隔情況，利用皮爾遜系數(shù)法求取該段曲線與該[0074]假設(shè)曲線段q=[q?,q,…q14],獲取該用戶某一特征曲線同時段數(shù)據(jù)y=[y?,y?,…動態(tài)特征曲線Q?動態(tài)特征曲線Q?動態(tài)特征曲線當(dāng)前運(yùn)行曲線曲線段1一曲線段2一曲線段一一一一曲線段X一[0082]3.4綜合該曲線各分段曲線與各動態(tài)特征曲線的相關(guān)性情況，利用相似度加權(quán)占9同段曲線相似性動態(tài)特征曲線Q?動態(tài)特征曲線Q?動態(tài)特征曲線..當(dāng)前運(yùn)行曲線一[0087]3.5根據(jù)步驟3.4求取結(jié)果，獲取與該曲線相似度最高(用電行為最接近)的動態(tài)特征曲線。[0088]選取相關(guān)性計算結(jié)果中最大值：MAX(pq,Q),若相似度大于0.85,認(rèn)為匹配成功，對應(yīng)的動態(tài)特征曲線即為該當(dāng)前運(yùn)行曲線的數(shù)據(jù)擬合參考曲線。若相似度不大于0.85,認(rèn)為匹配失敗，未找到可做數(shù)據(jù)擬合參考的動態(tài)特征曲線。針對該情況，本發(fā)明按照所有動態(tài)特征曲線進(jìn)行計算，給出多分?jǐn)M合數(shù)值供選擇應(yīng)用。[0089]步驟四：步驟S4中所述的基于最小用電間隔用電權(quán)重的數(shù)據(jù)擬合，如圖4所示，具體按如下步驟實施：[0090]4.1基于步驟三獲取當(dāng)前運(yùn)行曲線數(shù)據(jù)、與之對應(yīng)的最優(yōu)匹配動態(tài)特征曲線數(shù)據(jù)[0091]4.2根據(jù)當(dāng)前運(yùn)行曲線數(shù)據(jù)缺失情況，獲取當(dāng)前運(yùn)行曲線數(shù)據(jù)中需要進(jìn)行數(shù)據(jù)擬合的曲線段(需擬合數(shù)據(jù)點前后兩個數(shù)據(jù)點，如當(dāng)前運(yùn)行曲線數(shù)據(jù)，需擬合數(shù)據(jù)點R??-R?2,則需要獲取R??、R?3兩個數(shù)據(jù)點),同時需獲取動態(tài)特征曲線中與該曲線段對應(yīng)的數(shù)值Q(R1?-R?3)。[0092]4.3根據(jù)參考動態(tài)特征曲線對應(yīng)時段的用電趨勢分布，計算各擬合數(shù)據(jù)點對應(yīng)時間間隔的用電量。[0094]其中：特征曲線各數(shù)據(jù)點R11_Qx、R12_Q、R?3_Q數(shù)值已知，當(dāng)前運(yùn)行曲線數(shù)據(jù)點R??、R33已知，未知數(shù)只有待求取的當(dāng)前運(yùn)行曲線數(shù)據(jù)點R1?,將已知數(shù)據(jù)點數(shù)值代入上方計算公式，即可求得當(dāng)前運(yùn)行曲線需要擬合的未知數(shù)據(jù)點R??的數(shù)值。[0095]同理可依次求得需要擬合數(shù)據(jù)點的數(shù)值R??-R?2,同理當(dāng)一條曲線含有多段需要擬合的數(shù)據(jù)時，可利用上述方法求取各自曲線段數(shù)據(jù)點對應(yīng)的數(shù)值，從而完成整天曲線缺失數(shù)據(jù)的擬合。本發(fā)明實例仿真驗證結(jié)果詳見附圖7。[0096]通過以上所述可以看出，為解決用戶用電示值曲線數(shù)據(jù)缺失的問題，提出基于最小間隔動態(tài)分布的用電負(fù)荷曲線數(shù)據(jù)擬合方法，該方法首先要基于歷史數(shù)據(jù)構(gòu)建用電曲線特征數(shù)學(xué)模型，進(jìn)而對用戶用電行為進(jìn)行可靠分類，再利用同類型用電特征對缺失數(shù)據(jù)的曲線進(jìn)行有效擬合與預(yù)測，完成曲線數(shù)據(jù)的修復(fù)。該方法在解決個體用戶用電曲線數(shù)據(jù)缺失問題上具有較高的普適