一种基于高斯混合模型和期望极大算法的居民用电行为分析的系统及方法技术方案

为适应新能源发电的随机性、居民用电行为的多样性以及电力交易体制的改革，需要提高需求响应的实时性以及电网与用户之间信息的交互。本发明专利技术涉及一种基于大数据思维的居民用电行为分类模型，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,通过自回归模型建立每个用电单位的48小时用电关系曲线,通过高斯混合模型做聚类分析,通过期望极大算法计算出高斯混合模型中的参数。本发明专利技术创新性地将时序居民用电数据转换为自回归系数，进而引入高斯混合聚类模型中。

A system and method for analyzing the electricity consumption behavior of residents based on Gaussian mixture model and expectation maximum algorithm

In order to adapt to the randomness of new energy generation, the diversity of residents' electricity consumption behavior and the reform of power trading system, it is necessary to improve the real-time demand response and the information interaction between power grid and users. The present invention relates to a classification model of residential electricity consumption behavior based on big data thinking. Firstly, the residential electricity consumption data is collected, and the attribute characteristics of residential electricity behavior are extracted, and the system and method to identify whether the residential electricity consumption law or not is based on the historical power consumption data and real-time power load situation. The main process includes eliminating individual extreme power consumption values through abnormal analysis, The 48 hour power consumption relationship curve of each power consumption unit is established by the autoregressive model, and the parameters of the Gaussian mixture model are calculated by the expectation maximum algorithm through the clustering analysis of the Gaussian mixture model. The invention creatively converts the time series residential electricity consumption data into an autoregressive coefficient, and then introduces it into the Gaussian mixture clustering model.

【技术实现步骤摘要】
一种基于高斯混合模型和期望极大算法的居民用电行为分析的系统及方法
本专利技术涉及居民用电行为人工智能及大数据分析领域，具体涉及一种基于高斯混合模型和期望极大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本文档来自技高网...

【技术保护点】
1.本专利技术一种基于高斯混合模型和期望极大算法的居民用电行为分析的系统及方法的特征在于，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；/n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.本发明一种基于高斯混合模型和期望极大算法的居民用电行为分析的系统及方法的特征在于，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，对每一个用电单位数据进行自回归分析：
其中k值,我们选取48，为48小时；
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，转化为每一用户的自回归系数，训练数据集:



其中N为用户数,；
步骤5.通过步骤3的自回归数据转换结果,接着采用高斯混合模型对实时数据进行分类,我们假设一共有三类:用电行为正常,用电行为较为正常,以及用电行为异常，
高斯混合模型建立如...

【专利技术属性】
技术研发人员：胡炳谦，周浩，顾一峰，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