一种智能用电策略的特征提取方法技术

一种智能用电策略的特征提取方法，该方法包括：步骤S1：预处理目前基于数据库的结构化的智能电网用户用电数据信息，基于支持向量机模型对数据样本空间进行线性划分；步骤S2：在划分后的样本空间基础上，对各类特征进行聚类特征、传递特征和近邻特征的分析，得到影响制定用户用电策略的各类特征及特征间的各种依赖组合特征。并根据提取结果进行用电策略设计。本发明专利技术可以为智能电网的管理者或者智能电网的用户科学、合理地制定全网的或用户本身的用电策略提供依据，使得用户能够在智能电网环境下智能、智慧、便捷地使用各用电设备并达到节能减耗的社会效益。

【技术实现步骤摘要】

本专利技术涉及智能控制领域，尤其涉及一种智能电网下的智能用电策略的特征提取方法。
技术介绍
智能电网作为下一代的用电基础设施已经在我国得到了广泛的实施，随着削峰平谷、分时电价、有序用电、智慧用电等理念的提出，发电侧和用电侧分别采取各自适宜的方式来验证和实施这些新的电网理念以实现节能减排降耗的国家大计。从发电侧来讲，用户的用电需求完全是一种可管理的资源，它将有助于平衡供需关系；从用电侧来讲，电力消费是一种经济选择，通过参与用电的运行与管理，修正其使用和购买电力的方式，从而获得实实在在的好处。国务院办公厅多次下达《关于加强电力需求侧管理实施有序用电的紧急通知》，提出用电需求侧要以电定用、有序用电、节约用电、科学用电，优化电能消费结构，提高电能利用效率，千方百计地保障经济社会平稳运行。目前，在业界采取的方式是制定合乎用户使用习惯以及社会规章制度又能促进减少能源消耗、提高电能的利用率的用电策略来保障有序用电，因为只有采用合理的用电策略才能使得未来智能电网的用户能够有序、智慧、节能、 便捷地使用能源供给，达到供需互动，从而切实提高用电的智慧化、合理化、高效化，达到最大的节能效用，可以说，制定合理的用电策略是保障用电需求侧做到有序用电的有力支撑。 因此，目前在用电侧市场中，如何制定合理有效的用电策略是对智能电网用电侧提出的新挑战。众所周知，用电策略的制定依赖于用电特征的确定和提取，包括确定哪些特征是决定某些区域、某些气候条件、某些政策条件、某些用户、某些场合或某些设备等等分类情况下的最节能方式的用电特征以及这些之间如何进行组合或传递或关联才能达到上述各种分类情况下的节能效用。专利200910032502. 1 “用电系统精细监测及节电优化管理系统”描述了远程管理机可以登录通过查看用电状态信息设定用电策略，但是文中并未指出如何根据用电状态信息设定用电策略也没有指出制定用电策略所依赖的特征如何提取、如何确定。文献《在全面开放的电力市场中用户用电管理及其策略》(吴杰康，任震，黄雯莹， 黄福全，《电网技术》2001年8月第25卷第8期)中，作者提出了制定用电策略所依赖的特征，包括负荷、用电用途以及分时电价等，但是这些特征对于制定合理、可靠、有效的用电策略显然是远远不够的，而且也没有遵循实际的用电特性及其自然规律，因而其设计结果肯定是不科学也不合理的，不能真正增进电网与用户的互动，也就不能真正达到节能、智慧的智慧用电的目标。在专利201010237168 “一种能效管理终端及其组成的智能用电暨能效管理系统” 描述了要建立一个描述用电特征的模型用于引导用户的用电消费行为，但是这些用电模型的建立是针对用电设备个体的，不能形成有效的整体用电策略，从而也就不能提供给用户真正有序、智慧的用电策略。文献《湖州市用电需求特性及其与气象条件的关系》(《大气科学学报》2011年2 月第34卷第1期，盛琼、朱晓东、骆丽楠、顾泽)中，作者提出了对于不同区域的气候条件、 地理环境和工农业生产特点等地区差异的条件下，气象特征对浙江省湖州市的用电量和最大负荷的影响情况，气象特征作为制定湖州市生产生活的用电策略的一个有效特征被确立和模型化。然而，对于更广泛的智能用电侧管理来说，还必将有更多的特征显性或隐性地影响用电侧的电力消耗情况。
技术实现思路
本专利技术提出了一种符合用户操作自然规律的智能电网用电策略的特征提取方法， 用于进一步制定符合人文特征和社会自然规律的智能电网用电侧的用电策略，以支持未来智能电网的智慧用电、有序用电的先进理念，并为用户提供智慧的策略支持，并达到智慧、 节能、节省费用的目的。本专利技术的原理是在原始收集得到的智能电网用户实际的用电相关数据信息样本的基础上，采用支持向量机模型和聚类分析、传递分析、近邻分析的办法，将能够用于制定用电策略的特征提取出来，并得到这些特征之间的依赖组合特征，用于用电用户或用电管理者进一步制定有效合理的用电策略。本专利技术智能用电策略的特征提取方法的具体方法步骤是1.从智能电网综合信息平台数据库中获取原始用户用电数据信息样本空间，即用电基础数据，与时间、人文紧密关联的用电信息和相关用电效果信息样本；2.采用支持向量机模型对样本空间进行线性划分，划分结果就是信息样本空间维度的提升，包括用电信息维和人文社会信息维。所述的用电信息维包括电量维、电流维、电压维、有功功率维、无功功率维等用电特征。所述的人文社会信息维包括时间维、地点维、区域维、气候维、光照度维、温度维、湿度维、用户类型维、用户等级维、设备等级维、设备类别维、操作空间类型维、操作空间级别维、操作频率维、有效操作频率维、舒适级别维、节能度维、节能级别维等用电特征；3.在线性划分后的样本空间中进一步寻找上述步骤2中各维特征之间的聚类特征、传递特征和近邻特征，具体为1)基于图划分的特征提取聚类特征，所述的基于图划分的聚类方法，包括基于布尔链接的图划分和基于权重链接的图划分，并分别划分为不同大小的子图，对特定子图内的节点，即步骤2中的各维特征的影响因子计算算术平均，用以生成步骤2中各维之间的聚类关系特征；2)基于有向图的置信度传递、基于反向图的置信度传递和基于无向图的置信度传递提取传递特征，对每个所述的用电特征，即步骤2中的各维特征，生成传递关系特征；3)基于一级近邻关系的特征和基于二级近邻关系的特征提取近邻特征，提取方法是；针对该一级近邻关系和二级近邻关系，分别就用电特征，即步骤2中的各维特征，初设正向的方向和反向的不同组合，生成近邻特征；4.通过以上步骤得到最终影响用电系统用电策略制定的特征及其各种依赖组合特征，进一步支撑管理者或用户设定用电策略。附图说明图1是本专利技术提供的智能用电策略设计方法流程图；图2是本专利技术提供的从预处理到初步用电维度提升及分类的数据流程图；图3是本专利技术提供的特征提取并生成最终策略的示意图；图4是结合实例得到的一类用电策略特征提取结果。具体实施例方式以下结合附图和具体实施方式对本专利技术进一步说明。本专利技术智能用电策略的特征提取方法的总体流程如图1所示步骤Sl为初步特征分类，即预处理目前基于数据库的结构化的智能电网用户用电信息，采用支持向量机模型 SVM的方法对其进行特征的线性分类。步骤S2为在初步特征分类结果的基础上，进行进一步特征的提取，提取出聚类特征、传递特征和近邻特征，在这一过程中，将基于特征图和初步学习的影响因子提取三类不同的特征，对三类特征分别进行提取后得到最终的特征及其各种有效组合结果，从而进一步支持科学、有效地用电策略的制定和实行。具体如下1、预处理目前数据库中所有的用电信息，进行特征的线性分类。分类算法采用支持向量机模型SVM。完成的工作如图2所示，即采用支持向量机模型SVM在收集到的用电信息库中选择部分数据作为训练集进行训练，再选择部分数据作为测试集进行测试，不断迭代、测试， 直到得到可靠真实的分类结果。2、在分类结果的基础上，进行聚类特征、传递特征和近邻特征的提取。如图3所示，在初步分类结果的基础上对不同特征分别提取三类不同性质的特征，即聚类特征、传递特征和近邻特征，最终得到影响制定用电策略的特征及这些特征间的依赖组合特征。下面就这三类特征的提取方法分别进行描述。所述聚类特征的提取是基于图划分的特征，该基于图划分的聚类方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能用电策略的特征提取方法，其特征在于，所述的方法包括以下步骤1)从智能电网用电信息数据库中获取用户用电数据信息样本空间；2)采用支持向量机模型对样本空间进行线性划分；3)在划分后的样本空间中进一步寻找用电特征之间的聚类特征、传递特征和近邻特征；4)得到最终影响制定用电策略的特征及这些特征间的各种依赖组合特征，支撑智能电网的管理者或者智能电网的用户设定合理的用电策略。2.根据权利要求1所述的智能用电策略的特征提取方法，其特征在于所述步骤2)中， 采用支持向量机模型SVM在原始用电数据信息样本空间上进行线性划分。3.根据权利要求1所述的智能用电策略的特征提取方法，其特征在于所述步骤幻的聚类特征提取是基于图划分的特征提...

【专利技术属性】
技术研发人员：吉莉，廖承林，王丽芳，吴艳，李芳，
申请(专利权)人：中国科学院电工研究所，
类型：发明
国别省市：