一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法技术方案

用户用电行为分类是进行需求侧响应能力评估的前提,本发明专利技术为此提出一种利用负荷数据进行用户用电行为分类的方法。首先，采集居民用电数据，提取出居民用电行为的属性特征，根据历史用电数据和实时的电力负荷情况来识别居民用电规律与否的系统及方法，主要过程包括通过异常分析剔除掉个别极端用电数值,通过线性相关性模型建立每个用电单位的每一个24小时与该用户平均一年24小时用电关系，通过隐马尔可夫模型建立状态转移矩阵和观测值概率矩阵,通过向前算法计算出模型中的参数。该发明专利技术实现了用户用电行为的高准确度辨识，为调度部门进行需求侧管理提供支撑。

【技术实现步骤摘要】
一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法
本专利涉及用电大数据分析领域，具体涉及一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法。
技术介绍
随着居民生活水平的提高、节能环保意识的增强，大量的智能柔性负荷以及新型储能设备在居民家庭普及使用，居民用户的电力消费水平与负荷调控能力不断提高。因此，利用智能推荐模型引导居民用户主动开展需求响应，实现用户与电网之间的互联互通互动，对促进电力供需平衡、保障电网稳定运行具有重大意义。以及如何利用智能电表采集的大量用户用电数据并对其进行数据挖掘以获得有助于提高运行可靠性与经济社会效益的有效信息是传统电力公司向综合能源服务商转型过程中迫切需要解决的重要问题之一。负荷曲线聚类是指依据用户的用电特性对用户进行划分，将具有相似用电模式的用户归类，这有助于电力公司了解不同用户的用电行为，从而为制定需求侧响应政策以及高精度负荷预测提供支撑。此外，负荷模式聚类还可用于异常用电检测，负荷控制，配电网规划，智能化城市管理等。因此，研究电力用户负荷模式分类技术对于提升电力公司服务水平、改本文档来自技高网...

【技术保护点】
1.本专利技术一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法，其特征在于，包括：/n步骤1、 数据收集模块：对每一个用电单位的用电数据进行收集和存储，用电负荷数据可以采用不同的频率进行录入，在进入分析之前会求和或再分配为小时；/n步骤2、根据步骤1中所取得的处理后的用电负荷数据，首先对每一个用户的用电数据进行异常分析，剔除掉极端值：/n1）数据值为:/n

【技术特征摘要】
1.本发明一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法，其特征在于，包括：
步骤1、数据收集模块：对每一个用电单位的用电数据进行收集和存储，用电负荷数据可以采用不同的频率进行录入，在进入分析之前会求和或再分配为小时；
步骤2、根据步骤1中所取得的处理后的用电负荷数据，首先对每一个用户的用电数据进行异常分析，剔除掉极端值：
1）数据值为:



2）假设每一个用户的数据负荷高斯分布:






3）求出相应参数:



4）如果,则认为该值为极端值；
步骤3、根据步骤2中所取得的处理后的数据，对每一个用电单位一天24小时数据与该用户一年平均24小时用电数据进行线性相关性计算:
其中x表示该用户该天的24小时电力负荷，y表示该用户一年的平均24小时用电负荷；
如果系数大于0.5，标注该用户该天为用电规律；如果系数大于0.3且小于0.5，标注该用户该天为用电较为不规律；如果系数小于0.3，标注该用户该天为用电不规律；
步骤4、根据步骤3的结果,原数据为每一个用户的小时用电量，转化为每一用户的每天24小时用电量以及对应的状态值，一个用户训练数据集:



其中N为天数,为第i天的用电负荷,为...

【专利技术属性】
技术研发人员：胡炳谦，顾一峰，周浩，韩俊，
申请(专利权)人：上海积成能源科技有限公司，
类型：发明
国别省市：上海;31