【技术实现步骤摘要】
一种基于数据挖掘技术的公共建筑用电异常判别方法
本专利技术涉及一种基于数据挖掘技术的公共建筑用电异常判别方法。
技术介绍
在经济全球化、全球变暖的大背景下,日益严重的能源形势得到了世界各地的高度重视。中国是世界上最大的发展中国家,近年来急剧增长的用电与资源相对短缺之间的矛盾严重制约了国家的发展。能源是经济社会发展的原动力,为了推动节能技术的进步,提高能源的利用效率,促进能源节约和优化用能结构,建设“资源节约型、环境友好型”两型社会,国家和各级省市政府相继出台了多项节能政策、法规,逐步形成具有中国特色的节能长效机制和管理体制。在线监测企业的水、电、油、气、热等能源的生产和使用情况,准确把握同一行业单位产品的平均用电水平,是政府科学地制定行业节能减排目标的重要依据。通过对企业及公用建筑等用能单位进行用电监测和能效评估,既可以帮助用能单位查找出自身耗能方面的缺口,让其在节能减排中有的放矢,不为了达到国家的节能目标而地拉闸限电,又为政府管理部门核定节能效益提供科学依据。工业用户及公共建筑的节能评估是一项复杂的系统工程,涉及国家节能相关法律、法规,行业节能设计标准,用能工艺、产品、设备选用,节能技术的适宜性等各个方面。除了一系列工程问题、技术问题之外,还包含管理决策等问题。在各个系统的节能评估和审查过程中,需要采用科学的评估方法进行分析。现行的主要评估方法包括标准对照法,类比工程分析法,专家经验判断法和单位面积指标法等。上述方法大都主观性较强,同时更侧重于从用能系统规划建设的角度进行分析,与其实际运行情况关联不大。目前应用的节能评估平台大都处于数据采集和统计展示的初 ...
【技术保护点】
1.一种基于数据挖掘技术的公共建筑用电异常判别方法,包括下列步骤:S1,对历史用电数据库中的缺失数据和超出阈值范围的数据用对应字段平均值进行替代,并根据用户历史小时最高用电负荷x和用户历史小时平均用电负荷y建立特征向量[x,y],每个用户每个小时对应一个特征向量[x,y];S2,对所有特征向量[x,y]进行K‑means聚类分析,找到每个特征向量对应的聚类中心,每个聚类中心对应一个用电模式;S3,根据基于CART算法的决策树,找到每个用电模式与其它用电模式的最优分裂属性以及最优分裂属性值,建立用电模式识别模型;S4,用电异常监测步骤,采集用户实时小时最高用电负荷X和用户实时小时平均用电负荷Y,建立每个用户所对应的实时特征向量[X,Y],根据所述用电模式识别模型,确定所述实时特征向量[X,Y]所对应的用电模式,用局部离群因子检测方法判定该实时特征向量[X,Y]的离群程度,根据离群程度确定该实时特征向量[X,Y]所对应的用户是否为用电异常用电户。
【技术特征摘要】
1.一种基于数据挖掘技术的公共建筑用电异常判别方法,包括下列步骤:S1,对历史用电数据库中的缺失数据和超出阈值范围的数据用对应字段平均值进行替代,并根据用户历史小时最高用电负荷x和用户历史小时平均用电负荷y建立特征向量[x,y],每个用户每个小时对应一个特征向量[x,y];S2,对所有特征向量[x,y]进行K-means聚类分析,找到每个特征向量对应的聚类中心,每个聚类中心对应一个用电模式;S3,根据基于CART算法的决策树,找到每个用电模式与其它用电模式的最优分裂属性以及最优分裂属性值,建立用电模式识别模型;S4,用电异常监测步骤,采集用户实时小时最高用电负荷X和用户实时小时平均用电负荷Y,建立每个用户所对应的实时特征向量[X,Y],根据所述用电模式识别模型,确定所述实时特征向量[X,Y]所对应的用电模式,用局部离群因子检测方法判定该实时特征向量[X,Y]的离群程度,根据离群程度确定该实时特征向量[X,Y]所对应的用户是否为用电异常用电户。2.根据权利要求1所述的一种基于数据挖掘技术的公共建筑用电异常判别方法,其特征在于:S2步骤中,先对所有特征向量[x,y]进行规范化,得到规范化特征向量z=[zx,zy],再对规范化特征向量z=[zx,zy]进行K-means聚类分析,规范化的公式为:和μ(x)和μ(y)分别代表任一历史采集时间点,所有用户的用户历史小时最高用电负荷的平均值和所有用户的用户历史小时平均用电负荷的平均值,σ(x)和σ(y)分别代表该历史采集时间点,所有用户的用户历史小时最高用电负荷的标准差和所有用户的用户历史小时平均用电负荷的标准差;S4步骤中先对所述实时特征向量[X,Y]进行规范化,得到实时规范化特征向量Z=[ZX,ZY],再用局部离群因子检测方法判定所述实时规范化特征向量Z=[ZX,ZY]离群程度;其中μ(X)和μ(Y)分别代表所有用户的用户实时小时最高用电负荷的平均值和所有用户的用户实时小时平均用电负荷的平均值,σ(X)和σ(Y)分别代表所有用户的用户实时小时最高用电负荷的标准差和所有用户的用户实时小时平均用电负荷的标准差。3.根据权利要求2所述的一种基于数据挖掘技术的公共建筑用电异常判别方法,其特征在于:S2步骤中对规范化特征向量z=[zx,zy]进行K-means聚类分析的具体步骤为:S21,在以用户小时最高用电负荷为横坐标,用户小时平均...
【专利技术属性】
技术研发人员:范华东,施振国,杨华惠,施春波,施勇,郭佳田,胡蕊,徐卫林,王婧,
申请(专利权)人:国网上海市电力公司,上海电力实业有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。