一种多能源负荷三阶段模式挖掘方法及系统技术方案

本发明专利技术提供一种多能源负荷三阶段模式挖掘方法及系统，该方法包括：第一阶段，获取多能源负荷测量数据，构建级联马尔科夫模型，对测量数据进行编码，生成负荷时间子片段并进行匹配，获得多能源负荷的时间模式；第二阶段，获取相同时间模式的多能源负荷，采用日趋势相似度计算方法，构建日趋势相似度矩阵，输入改进近邻传播模型自适应聚类，以日时间尺度生成多能源负荷类簇，获得多能源负荷的日常模式；第三阶段，根据负荷日常模式间的曲线轮廓相似度，构建曲线轮廓相似度矩阵，输入改进近邻传播模型自适应聚类，生成多能源负荷的典型轮廓模式。本发明专利技术通过三阶段全面综合的挖掘多能源负荷的规律，提高了多能源负荷模式挖掘的精度，具有实用性。具有实用性。具有实用性。

【技术实现步骤摘要】
一种多能源负荷三阶段模式挖掘方法及系统


[0001]本专利技术涉及到综合能源系统
，具体涉及到一种多能源负荷三阶段模式挖掘方法及系统。

技术介绍

[0002]能源是人类社会生存与发展的基础。近年来，由于疫情放开与极端天气等影响，多国存在能源危机问题，与此同时，随着电力市场的竞争发展，需要能源供应商提供优质的负荷需求服务。多能源系统包含冷热电多种负荷，并且负荷间可以通过储能与转换设备进行灵活协调，因此，需要掌握多能源负荷的运行模式，才能更好的适应不断变化的能源环境，从而进行有效的能源管理。然而，多能源负荷是多维度时间序列，不仅负荷自身模式会发生变化，负荷之间还具有相对变化与耦合关系，并且随着时间的推移，负荷的变化情况也会发生改变，多能源负荷这种复杂的状态变化给模式挖掘带来挑战。
[0003]在本专利技术技术之前，传统的负荷模式挖掘主要通过聚类实现，且通常只针对于单维电负荷，因此，传统负荷模式挖掘技术存在诸多缺陷，具体如下：(1)负荷模式挖掘缺乏完整的框架，当前的技术主要集中于聚类算法的研究，挖掘的模式也较为单一，缺乏对负荷的综合挖掘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多能源负荷三阶段模式挖掘方法，其特征在于，所述方法包括如下步骤：获取多能源负荷测量数据，作为第一阶段时间模式挖掘的样本集；构建级联马尔科夫模型，对所述多能源负荷测量数据进行编码，获得所述多能源负荷的编码成本，生成负荷时间子片段；将编码相同的负荷时间子片段进行匹配，获得所述多能源负荷的时间模式；获取相同时间模式的多能源负荷，作为第二阶段日常模式挖掘的样本集；采用日趋势相似度计算方法，构建日趋势相似度矩阵，输入改进近邻传播模型自适应聚类，生成多能源日负荷类簇；将数量最多的日负荷类簇取均值，生成所述多能源负荷的日常模式；获取所述多能源负荷的日常模式，作为第三阶段典型轮廓模式挖掘的样本集；根据负荷日常模式间的曲线轮廓相似度，构建曲线轮廓相似度矩阵，输入改进近邻传播模型自适应聚类，生成所述多能源负荷的典型轮廓模式。2.根据权利要求1所述多能源负荷三阶段模式挖掘方法，其特征在于，所述获取多能源负荷测量数据，作为第一阶段时间模式挖掘的样本集，具体包括：获取全年的多能源负荷测量数据，其中，所述多能源负荷测量数据是多维时间序列数据，包括：每小时冷负荷、热负荷、电负荷数据；所述多能源负荷数据经过归一化处理以后具有相同的量级。3.根据权利要求1所述多能源负荷三阶段模式挖掘方法，其特征在于，所述构建级联马尔科夫模型，对所述多能源负荷测量数据进行编码，获得所述多能源负荷的编码成本，生成负荷时间子片段，具体包括：构建级联马尔科夫模型，根据负荷自身规律与负荷间的相对变化，发现多能源负荷在时间序列上的状态变化，并对负荷数据进行压缩编码；其中，所述级联马尔科夫模型由多个隐马尔科夫模型连接，用来计算负荷在时间序列上的状态概率与状态转移概率,计算参数如下所示：Θ＝{θ1,θ2,
…
,θ
r
,Δ
r
×
r
}其中，θ为负荷在时间序列上的状态概率，r为负荷在时间序列上的状态模式总数，Δ
r
×
r
为状态模式转移概率矩阵；通过最小描述长度的编码原则获得多能源负荷的编码成本，取成本最小的编码方式，划分所述多能源负荷时间序列，生成负荷时间子片段；其中，所述最小描述长度通过最小化负荷时间序列编码成本，自动获得最佳时间序列的分割点，所述负荷时间序列的编码成本计算方法具体公式如下：其中，C(M)为级联马尔科夫模型的编码成本，C(X|M)为用级联马尔科夫编码负荷X的编码成本,n为多能源负荷长度，d为负荷维度，m为负荷时间子片段数，r为时间模式数，k为隐
马尔科夫状态数，s为负荷子片段，c
F
为小数位数，δ为级联马尔科夫状态模式转移概率。4.根据权利要求1所述多能源负荷三阶段模式挖掘方法，其特征在于，所述多能源负荷的时间模式包括：负荷状态类别数，类别包含的时间子片段，每个子片段的起始时间与终止时间。5.根据权利要求1所述多能源负荷三阶段模式挖掘方法，其特征在于，所述采用日趋势相似度计算方法，构建日趋势相似度矩阵，输入改进近邻传播模型自适应聚类，生成多能源日负荷类簇，具体包括：所述日趋势相似度计算方法结合欧式距离与余弦相似度，可同时度量负荷时序点的距离与方向相似程度，具体计算公式如下：其中，x
i
，y
i
为所度量的负荷在i时刻点的值，ED为欧式距离，CD为负荷在每两个时间间隔点连线与的余弦相似度，TSD则为所求的趋势相似度；所述日负荷趋势相似度矩阵由负荷每日的趋势相似度距离构成，所述近邻传播模型以聚类评价指标作为自适应聚类的方式，当聚类效果最优时即完成聚类过程；获得的聚类结果可区分罕见负荷与日常负荷，将日负荷数量较少的负荷类簇作为罕见负荷，将日负荷数量最多的日负荷类簇作为日常负荷。6...

【专利技术属性】
技术研发人员：李勇，郭钇秀，周思思，张振宇，刘嘉彦，胡斯佳，
申请(专利权)人：湖南大学，
类型：发明
国别省市：