居民海量细粒度用电数据融合挖掘与多元应用方法技术

本发明专利技术涉及居民海量细粒度用电数据融合挖掘与多元应用方法，步骤1：从前置采集功能模块获得细粒度电量数据；步骤2：各项数据进入到基础支撑功能进行数据处理；步骤3：步骤1中采集的各项数据进入到基础应用功能进行负荷辨识；步骤4：步骤1中采集的各项数据进入到高级应用功能，获得用户行为画像、共用应用服务和商业应用服务；步骤5：对步骤4中的用户行为画像进行聚合和提炼，构建六维标签；基于所述六维标签，进行建模，形成居民用户、公共用户和商业用户的增值服务模型。本发明专利技术能够有效为客户个性化服务提供依据，能够支撑客户用能互动方案的策略制定，能够辅助政府的监管、维稳决策制定，能够辅助家电企业等营销策略制定。

【技术实现步骤摘要】
居民海量细粒度用电数据融合挖掘与多元应用方法
本专利技术涉及一种居民海量细粒度用电数据融合挖掘与多元应用方法，属于电网互动与智能电网

技术介绍
随着能源互联网的建设、推广和应用，国网公司主动顺应能源革命与数字革命相融并进的大趋势，把握数字新基建发展机遇，加强先进信息技术和能源技术融合应用攻关，电网各环节逐渐被信息通信技术联系在一起，客户端海量的数据资源可以通过先进信息通信系统传递到电网各个环节，这为电网公司准确感知客户需求、详细刻画客户特征以及提供定制化供电服务创造了有利的条件，也为居民海量细粒度用电数据的深度挖掘与在电力行业的广泛应用提供了契机。因此，需要一种居民海量细粒度用电数据融合挖掘与多元应用系统。
技术实现思路
为了解决上述技术问题，本申请提供一种居民海量细粒度用电数据融合挖掘与多元应用方法，具体为：包括步骤1：从前置采集功能模块获得细粒度电量数据，包括电器类型、用电量和时间特征，获得设备运行状态数据和停电事件数据；步骤2：步骤1中采集的各项数据进入到基础支撑功能进行数据处理；步骤3：步骤1中采集的各项数据进入到基础应用功能进行负荷辨识；步骤4：步骤1中采集的各项数据进入到高级应用功能，获得用户行为画像、共用应用服务和商业应用服务。进一步的，所述数据处理包括数据清洗模块、云端协同模块和数据存储模块，所述数据清洗模块，用于检查数据一致性，处理无效值和缺失值，是发现并纠正数据文件中可识别的错误的最后一道程序；所述云端协同模块，用于对细粒度数据在云端通过人工智能算法实现精细化辨识；所述数据存储，用于对数据分类别、分业务方向的存储。进一步的，所述负荷辨识模块从用户、区域两个维度，以及日、月、年时间维度展示用户实时用能监测、用能统计分析结果，用于直观展示电器电量占比、峰谷用电占比和用电趋势；所述档案管理，包含用户档案、终端档案、设备管理、合同管理，用户档案即为终端监测对象信息、终端档案为细粒度数据采集设备信息、设备管理为对用户家用电器的管理、合同管理则面向高级互动业务中与用户建立的合约关系管理。进一步的，所述用户行为画像包括居民用户和区域用户，居民用户包括能耗数据、能耗水平、负荷特性和负荷构成；所述区域用户包括能耗/效水平、用户性质、负荷占比和负荷特性。进一步的，所述基于用户行为画像进行聚合和提炼，获得六个标签；用户能耗特性标签，包含日/月/年电器用电量占比、日峰(谷)用电量占比、阶梯电价负荷占比。日/月/年电器用电量占比，是指负荷数据记录中，各电器类用电量占总用电量比值。日峰(谷)用电量占比，指当日各类负荷在峰(谷)值负荷中的占比。日负荷曲线，将客户在空调、电热、厨房电器等方面按时间顺序以15min用电量绘阶梯电价负荷占比，指各类负荷在阶梯电价各阶段中的占比；用户能效特性标签分别计算用户的活跃时段待机功耗以及非活跃时段的待机功耗；活跃时段定义为：ActiveTA＝{t|Wt≥Wmin+0.3×(Wmax-Wmin)}(4)AtciveTA为活跃时段的集合，Wmin为当天15min最小耗电量；Wmax为当天15min最大耗电量。电价敏感特性标签通过峰谷比例反映了客户对电价的敏感程度，利用当前的峰谷电价进行客户电费敏感性估计，从两个方面构建敏感性估计模型，一是年度峰谷电费比；负荷形状特性标签考虑日历因素影响下的客户作息行为习惯分析，寻找客户用电的在时间上的规律性。Lgroup＝{(Ts,Te)&P(Ti)&W(av)&m(Ldif)&C(Lreg)}(6)式中，(Ts,Te)为用客户的起居时间，基于春秋天的多日的用电负荷曲线，截取早晚电器启停时刻综合判断客户作息时间；P(Ti)为负荷曲线特征，利用负荷数量及出现的时段判断；W(av)为电量消耗水平，利用客户年用电量的所处阶梯；m(Ldif)表示电器类型数量，通过一年的辨识数据求合集；C(Lreg)大功率可调负荷总容量，通过一年的辨识数据综合推算。安全特性标签考虑正常运行电器电量阈值、运行时长阈值，通过阈值比较定义电器异常运行情况。进一步的，在所述六个标签基础上进行建模，形成居民用户、公共用户和商业用户的增值服务模型；结合建模方法，形成居民用户、公共用户、商业用户等多元用户增值服务模型；面向居民用户标签模型，包括用户家用电器用电量排名、待机电器用电量、保温电器用电量、区域用电量排名、峰谷段用电量占比。面向公共用户标签模型，包括面向住建部门公共服务价值挖掘，电能流向评估，温度敏感性电器分布，经济敏感性电器评估；面向公安部门公共服务价值挖掘，违禁电器活动监测模型和活动人口评估模型。面向商业用户标签模型，包括面向家电企业的居民家电购买潜力挖掘模型，包含分项家用电器占有率，分项电器电能占比，电器替代潜力，区域活动人口属性；面向能源服务商的居民互动潜力挖掘模型，包含价格敏感性分析，消费周期分析，消费内容分析，需求响应选择综合指标；面向小工商业客户的居民消费潜力挖掘模型，主要包含区域活动人口属性。本专利技术的有益效果是：能够有效为客户个性化服务提供依据，能够支撑客户用能互动方案的策略制定，能够辅助政府的监管、维稳决策制定，能够辅助家电企业等营销策略制定。附图说明图1是本专利技术的结构示意图，具体实施方式现在结合附图对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。如图1所述，为解决上述技术问题，本专利技术提供一种居民海量细粒度用电数据融合挖掘与多元应用系统，包括包括前置采集功能模块、基础支撑功能模块、基础应用功能模块和高级应用功能模块；所述前置采集功能模块根据基础支撑功能模块、基础应用功能模块和高级应用功能模块数据特点配置，采集细粒度电量数据为主的多元特征数据；所述基础支撑功能模块主要搭建起系统的基本功能框架，其中云端协同模块、数据清洗模块都为基础应用、高级应用模块提供进一步的数据准备；所述基础应用功能模块围绕细粒度电量数据进行数据分析展示，档案管理模块与细粒度数据监测终端相对应，描述用户区域位置及资产属性；所述高级应用功能模块模块同时包含四大功能模块，精准负荷预测模块、用户行为画像模块这两大模块为公共应用服务模块和商业应用服务提供进一步的标签、模型支撑。1)前置采集功能模块包括细粒度用电量采集数据、设备运行状态数据、停电事件数据。所述细粒度用电量采集数据，包含居民用户家用电器类型、电器用电量、运行时间这三维数据，用于对不同维度数据组合、分析，从而进行通过数据清洗实现对异常数据的剔除、优化，从而用于云端协同实现负荷辨识能力提升，从而实现基础应用与高级应用功能实现；所述设备运行状态数据，包含电器正常运行数据、电器待机运行数据、电器保温运行数据、电器异常运行数本文档来自技高网...

【技术保护点】
1.一种居民海量细粒度用电数据融合挖掘与多元应用方法，其特征在于：包括/n步骤1：从前置采集功能模块获得细粒度电量数据，包括电器类型、用电量和时间特征，获得设备运行状态数据和停电事件数据；/n步骤2：步骤1中采集的各项数据进入到基础支撑功能进行数据处理；/n步骤3：步骤1中采集的各项数据进入到基础应用功能进行负荷辨识；/n步骤4：步骤1中采集的各项数据进入到高级应用功能，获得用户行为画像、共用应用服务和商业应用服务；/n步骤5：对步骤4中的用户行为画像进行聚合和提炼，构建六维标签；基于所述六维标签，进行建模，形成居民用户、公共用户和商业用户的增值服务模型。/n

【技术特征摘要】
1.一种居民海量细粒度用电数据融合挖掘与多元应用方法，其特征在于：包括
步骤1：从前置采集功能模块获得细粒度电量数据，包括电器类型、用电量和时间特征，获得设备运行状态数据和停电事件数据；
步骤2：步骤1中采集的各项数据进入到基础支撑功能进行数据处理；
步骤3：步骤1中采集的各项数据进入到基础应用功能进行负荷辨识；
步骤4：步骤1中采集的各项数据进入到高级应用功能，获得用户行为画像、共用应用服务和商业应用服务；
步骤5：对步骤4中的用户行为画像进行聚合和提炼，构建六维标签；基于所述六维标签，进行建模，形成居民用户、公共用户和商业用户的增值服务模型。


2.根据权利要求1所述的居民海量细粒度用电数据融合挖掘与多元应用方法，其特征在于：所述数据处理包括数据清洗模块、云端协同模块和数据存储模块，所述数据清洗模块，用于检查数据一致性，处理无效值和缺失值，是发现并纠正数据文件中可识别的错误的最后一道程序；
所述云端协同模块，用于对细粒度数据在云端通过人工智能算法实现精细化辨识；
所述数据存储，用于对数据分类别、分业务方向的存储。


3.根据权利要求1所述的居民海量细粒度用电数据融合挖掘与多元应用方法，其特征在于：所述负荷辨识模块从用户、区域两个维度，以及日、月、年时间维度展示用户实时用能监测、用能统计分析结果，用于直观展示电器电量占比、峰谷用电占比和用电趋势；所述档案管理，包含用户档案、终端档案、设备管理、合同管理，用户档案即为终端监测对象信息、终端档案为细粒度数据采集设备信息、设备管理为对用户家用电器的管理、合同管理则面向高级互动业务中与用户建立的合约关系管理。


4.根据权利要求3所述的居民海量细粒度用电数据融合挖掘与多元应用方法，其特征在于：所述用户行为画像包括居民用户和区域用户，居民用户包括能耗数据、能耗水平、负荷特性和负荷构成；所述区域用户包括能耗/效水平、用户性质、负荷占比和负荷特性。


5.根据权利要求1所述的居民海量细粒度用电数据融合挖掘与多元应用方法，其特征在于：所述六维标签包括；
用户能耗特性标签，包含日/月/年电器用电量占比、日峰(谷)用电量占比、阶梯电价负荷占比。
日/月/年电器用电量占比，是指负荷数据记录中，各电器类用电量占总用电量比值。



日峰(谷)用电量占比，指当日各类负荷在峰(...

【专利技术属性】
技术研发人员：尹力，万文轩，刘纲，冀亚男，张钟毓，
申请(专利权)人：国网湖北省电力有限公司武汉供电公司，
类型：发明
国别省市：湖北;42