用电数据分解方法及装置、存储介质和处理器制造方法及图纸

本发明专利技术公开了一种用电数据分解方法及装置、存储介质和处理器。其中，该方法包括：获取目标用户的用电数据；对上述用电数据进行维度合成处理，得到目标数据集，其中，上述维度合成处理用于将不同维度的时序数据合并成一个多维的张量形式的数据；采用卷积神经网络的注意力机制对上述目标数据集进行分解处理，得到多个目标用电数据，其中，上述目标用户的多个电器分别对应一个上述目标用电数据。本发明专利技术解决了现有技术中用电数据分解方法在复杂场景下分解效果不佳的技术问题。分解效果不佳的技术问题。分解效果不佳的技术问题。

【技术实现步骤摘要】
用电数据分解方法及装置、存储介质和处理器


[0001]本专利技术涉及负荷识别
，具体而言，涉及一种用电数据分解方法及装置、存储介质和处理器。

技术介绍

[0002]近年来，随着大数据技术和数据采集监测设备的发展，电力公司和居民个人都开始越来越关注家庭用电用能细节。负荷分解研究成为其中重要的关键一环。对于电力公司而言，精细到电器设备的用电信息有利于对居民负荷分布进行预测。可以提高配电网规划方案的科学性，保证电网实时安全经济运行。对居民来说，通过数据采集和分析提供每类电器的用电功率和运行状态，可以帮助用户自主调整和优化用电行为。
[0003]但是，现有的非侵入式负荷分解主要是基于事件的方法，利用设备状态发生变化时产生的特征信息进行负荷分解。但在面对复杂用电情况时，其分解精度较低，且方法整体流程较为复杂。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种用电数据分解方法及装置、存储介质和处理器，以至少解决现有技术中用电数据分解方法在复杂场景下分解效果不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用电数据分解方法，其特征在于，包括：获取目标用户的用电数据；对所述用电数据进行维度合成处理，得到目标数据集，其中，所述维度合成处理用于将不同维度的时序数据合并成一个多维的张量形式的数据；采用卷积神经网络的注意力机制对所述目标数据集进行分解处理，得到多个目标用电数据，其中，所述目标用户的多个电器分别对应一个所述目标用电数据。2.根据权利要求1所述的方法，其特征在于，在对所述用电数据进行维度合成处理，得到目标数据集之前，所述方法还包括：对所述用电数据进行预处理，其中，所述预处理至少包括：清洗处理、剔除处理和归一化处理。3.根据权利要求1所述的方法，其特征在于，所述对所述用电数据进行维度合成处理，得到目标数据集，包括：获取所述用电数据中的电压数据、电流数据和有功功率数据；将所述电压数据、所述电流数据和所述有功功率数据进行合成处理，得到三维张量形式的特征数据；基于所述特征数据确定所述目标数据集。4.根据权利要求3所述的方法，其特征在于，所述基于所述特征数据确定所述目标数据集，包括：确定多个所述电器的开启状态阈值；基于所述用电数据和所述开启状态阈值，确定多个所述电器分别对应的开启状态信息，其中，若所述电器对应的用电数据大于所述开启状态阈值，则确定为开启状态，记为1，若所述电器对应的用电数据小于所述开启状态阈值，则确定为关闭状态，记为0；基于所述开启状态信息和所述特征数据建立所述目标数据集。5.根据权利要求1所述的方法，其特征在于，所述采用卷积神经网络的注意力机制对所述目标数据集进行分解处理，得到多个目标用电数据，包括：对所述目标数据集进行卷积处理，得到初始特征图；采用通道注意力模块和空间注意力模块对所述初始特征图进行加权处理，得到目标特征图；基于所述目标特征图确定所述目标用户的多个所述电器分别对应的所述目标用电数据。6.根据权利要求5所述的方法，其特征在于，所述采用通道注意力模块和空...

【专利技术属性】
技术研发人员：李铭凯，孙健，李蕊，刘恒，步志文，董宇，李秀芳，朱锦山，李乾，姚鹏，丁宁，陆翔宇，易欣，史鹏博，王芳，李亦非，李佳，蒋紫娟，王馨，张影，胡伟，郭秋婷，
申请(专利权)人：国家电网有限公司清华大学，
类型：发明
国别省市：