考虑典型因素综合能源系统用能行为数据挖掘方法及装置制造方法及图纸

本发明专利技术公开了一种考虑典型因素综合能源系统用能行为数据挖掘方法及装置，所述方法包括K

【技术实现步骤摘要】
考虑典型因素综合能源系统用能行为数据挖掘方法及装置


[0001]本专利技术涉及数据挖掘的
，尤其涉及一种考虑典型因素综合能源系统用能行为数据挖掘方法及装置。

技术介绍

[0002]随着大数据时代的到来，在智能电网的背景下，电网信息采集系统和客户服务信息系统中积累了大量的用电数据，隐藏了大量的用电信息。而工业负荷作为用电大户，如何有序高效，节能环保用电意义重大。因此，未来的智能电网应在确保用电安全可靠的同时，为不同用户提供更高质量、更有针对性的服务和科学建议。因此，分析用户和供电企业用电量的增长规律和特征具有重要意义。
[0003]用电信息采集系统中积累的海量用户历史负荷数据，包含了用户的用电行为和习惯。它不仅可以提高负荷预测的准确性和调度管理水平，还可以为电价设定、经济调度和需求响应提供支持。随着新一轮电力体制改革，用电量大、用电稳定的工商业用户将直接参与双边交易、电力现货市场和需求侧响应，承担清洁能源配额，将对发电调度方案、电网运行方式、电网调峰能力、新能源消纳等产生重大影响。
[0004]目前对能源使用行为的分析方法有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑典型因素综合能源系统用能行为数据挖掘方法，其特征在于，所述方法按照以下步骤进行，通过K
‑
means算法获取行为数据的负载特征曲线；对所述负载特征曲线上的不良数据进行修正，得到用电修正曲线；采用标准化处理对所述用电修正曲线进行统一量化,得到用电数据归一化值；将所述用电量数据归一化值形成用户用电行为特征序列；根据协方差计算所述特征序列中相邻周期的数值关系之间的相关性，得到相关性数值关系；根据所述相关性数值关系，提取特征指标，以实现数据挖掘。2.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法，其特征在于，所述不良数据包括在数据采集系统和其他外部因素的影响下，数据的丢失或损坏。3.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法，其特征在于，所述通过K
‑
means算法获取行为数据的负载特征曲线包括，采用K
‑
means算法对每个用户的日负荷曲线进行聚类，其中，用户工作日、周末和节假日负荷曲线各用户之间差异较大，用户工作日、周末和节假日进行单独聚类。4.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法，其特征在于，所述不良数据进行修正包括，不良数据修正方程为：式(1)中，T
d
是要修改的曲线，T
c
是特性曲线，p、q分别是T
d
、T
c
上的点，T(n)为负载特征曲线，Q(n)是用电修正曲线，n是用户曲线的一个点。5.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法，其特征在于，所述采用标准化处理对所述修正曲线进行统一量化,变换过程表示为：g
*
＝Q(n)
×
(g
’
+g
min
)/g
max
ꢀꢀꢀ
(2)式(2)中，g
*
表示用电数据的归一化值，g
’
表示用户在选定时段内的用电量，g
min
表示用户在选定时段内的最小用电量，以及g
max
表示用电行为的最大值,Q(n)是用电修正曲线。6.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法，其特征在于，所述用户用电行为特征序列，其数值关系可表示为：E
m

【专利技术属性】
技术研发人员：程青，杨超，熊天龙，林舒，包维瀚，周特，
申请(专利权)人：清华四川能源互联网研究院，
类型：发明
国别省市：