【技术实现步骤摘要】
本专利技术涉及电力数据处理，具体涉及一种基于用户用电习惯的负荷数据增强方法及装置。
技术介绍
1、随着对负荷监测准确率要求的提高，非侵入式电力负荷监测的模型复杂度也显著增加。为了确保模型的泛化能力和准确率，必须相应地扩大训练数据集。然而，缺乏必要的大量负荷数据样本已经成为非侵入式电力负荷监测领域深入研究的普遍难题。因此，扩充负荷数据样本量已成为该领域的一个重要环节。
2、目前非侵入式电力负荷监测模型中，使用的负荷数据是用能单位供电入口处的总线功率数据，这是用能单位内部各个负荷有功功率数据的叠加。因此，扩充样本数据集的本质是对各个单个负荷的用电数据进行增强。现有的数据增强技术通常是将目标设备的功率曲线与其他设备的功率曲线提取出来后进行随机叠加构造新的总线聚合数据，或者将来自目标设备的典型功率曲线随机叠加到聚合总线功率中以生成标记的合成数据，然而，这些方法可能会漏掉一些目标设备的伴随事件或者总线上聚合数据中所特有的一些波动信息，而这些信息往往与用户的行为习惯密切相关，影响负荷数据增强的准确性。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于用户用电习惯的负荷数据增强方法及装置，通过分析用户用电习惯进行负荷数据增强，目标电器的待增强的功率数据从用户家庭总线的数据中提取，保留目标电器事件的关联电器事件信息和不同电器组合下的功率波动信息，以解决如何提高负荷数据增强的准确性的问题。
2、第一方面，本专利技术提供了一种基于用户用电习惯的负荷数据增强方法，方法包括：采
3、本专利技术实施例通过采集用户在预设历史周期内使用全部电器时产生的数据集，并进行数据分析得到各个电器对应的开启时间模式以及各个电器与其他电器之间的关联模式，可以提供更多关于用户行为习惯和设备关联性特征的数据信息，从而为负荷数据增强提供有效的参考依据；通过分析用户用电习惯进行负荷数据增强，可以更准确地反映用户的用电行为习惯，可以保留目标事件的伴随事件信息和不同设备组合下的功率波动信息，从而提高后续进行负荷分解的准确性；通过基于各个电器对应的待增强功率数据、目标关联模式以及目标开启时间模式对第二数据集进行负荷数据增强，可以更准确地获取预设目标电器的负荷数据，从而提高了目标电器负荷数据增强过程的准确性。
4、在一种可选的实施方式中，所述采集用户在预设历史周期内使用全部电器时产生的第一数据集，对所述第一数据集进行数据分析得到各个电器对应的开启时间模式以及各个电器与其他电器之间的关联模式，包括：采集用户在预设历史周期内使用电器时产生的全部电器对应的第一总线数据以及各个电器对应的第一支线数据；其中，所述第一总线数据包括预设历史周期内的总线时间戳以及对应的总线功率数据，所述第一支线数据包括预设历史周期内的支线时间戳以及对应的支线功率数据；划分多个时间窗口，并基于所述第一支线数据以及第一总线数据按照预设标注格式标注各个时间窗口对应的事件信息；其中，所述事件信息包括：电器开关状态，以及电器维持开关状态对应的持续时间；基于统计分析算法和聚类分析算法对所述各个时间窗口对应的事件信息进行分析获取各个电器对应的开启时间模式；基于关联性分析算法对所述各个时间窗口对应的事件信息进行分析获取各个电器与其他电器之间的关联模式。
5、本专利技术实施例通过采集用户在预设历史周期内使用电器时产生的全部电器对应的第一总线数据以及各个电器对应的第一支线数据，可以全面利用这些不同情况的数据，从而更综合地了解用户的用电情况；划分多个时间窗口并按照预设标注格式标注各个时间窗口对应的事件信息，包括电器开关状态以及维持开关状态对应的持续时间，能帮助更好地理解用户用电的规律，从而更准确地分析各个电器的开启时间模式；通过统计分析算法和聚类分析算法对各个时间窗口对应的事件信息进行分析，可以更准确地获取各个电器对应的开启时间模式，识别出电器的在不同的时间段(时间窗口)的使用规律，采用关联性分析算法对各个时间窗口对应的事件信息进行分析，可以获取各个电器与其他电器之间的关联模式，从而为后续的负荷数据增强提供了更准确的数据基础。
6、在一种可选的实施方式中，所述基于统计分析算法和聚类分析算法对所述各个时间窗口对应的事件信息进行分析获取各个电器对应的开启时间模式，包括：基于统计学算法对所述各个时间窗口对应的事件信息进行分析得到各个电器对应的概率矩阵；基于层次聚类算法对所述各个时间窗口对应的事件信息进行分析生成聚类结果；基于所述概率矩阵以及聚类结果获取各个电器对应的开启时间模式。
7、本专利技术实施例基于统计学算法对各个时间窗口对应的事件信息进行分析，可以得到各个电器对应的概率矩阵，能够有效的获取每个时间窗口内各个电器的开启概率,通过层次聚类算法对各个时间窗口对应的事件信息进行分析，生成聚类结果将具有相似开启时间模式的时间窗口归为一类,通过概率矩阵以及聚类结果，从而更加直观准确的获取各个电器对应的开启时间模式，从而为后续的负荷数据增强提供了更准确的数据基础。
8、在一种可选的实施方式中，所述基于关联性分析算法对所述各个时间窗口对应的事件信息进行分析获取各个电器与其他电器之间的关联模式，包括：基于所述各个时间窗口对应的事件信息生成多个事务项；基于关联性分析算法对所述多个事务项进行分析获取各个电器与其他电器之间的关联模式，其中，所述关联模式包括：关联电器组合、关联电器组合对应的支持度以及置信度。
9、本专利技术实施例基于各个时间窗口对应的事件信息，生成多个事务项，这些事务项反映了不同电器之间的同时使用或者顺序使用的规律，通过关联性分析算法对多个事务项进行分析，可以确定各个电器与其他电器之间的关联模式，包括关联电器组合、关联电器组合对应的支持度以及置信度，从而为后续的负荷数据增强提供了更准确的数据基础。
10、在一种可选的实施方式中，所述采集用户在预设目标周期内使用全部电器时产生的第二数据集，对所述第二数据集进行数据分析得到各个电器对应的待增强功率数据，包括：采集用户在预设目标周期内使用电器时产生的全部电器对应的第二总线数据以及各个电器对应的第二支线数据；其中，所述第二总线数据包括预设目标周期内的总线时间戳以及对应的总线功率数据，所述第二支线数据包括预设目标周期内的支线时间戳以及对应的支线功率数据；划分多个时间窗口，并基于所述第二总线数据以及第二支线数据按照预设标注格式标注各个时间窗口对应的事件信息；基于所述各个时本文档来自技高网...
【技术保护点】
1.一种基于用户用电习惯的负荷数据增强方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采集用户在预设历史周期内使用全部电器时产生的第一数据集，对所述第一数据集进行数据分析得到各个电器对应的开启时间模式以及各个电器与其他电器之间的关联模式，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于统计分析算法和聚类分析算法对所述各个时间窗口对应的事件信息进行分析获取各个电器对应的开启时间模式，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于关联性分析算法对所述各个时间窗口对应的事件信息进行分析获取各个电器与其他电器之间的关联模式，包括：
5.根据权利要求4所述的方法，其特征在于，所述采集用户在预设目标周期内使用全部电器时产生的第二数据集，对所述第二数据集进行数据分析得到各个电器对应的待增强功率数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述各个电器对应的待增强功率数据、目标关联模式以及目标开启时间模式对第二数据集进行负荷数据增强，得到负荷数据增强后的预设目标电器
7.根据权利要求6所述的方法，其特征在于，所述方法，还包括：
8.一种基于用户用电习惯的负荷数据增强装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的基于用户用电习惯的负荷数据增强的方法。
...【技术特征摘要】
1.一种基于用户用电习惯的负荷数据增强方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采集用户在预设历史周期内使用全部电器时产生的第一数据集，对所述第一数据集进行数据分析得到各个电器对应的开启时间模式以及各个电器与其他电器之间的关联模式，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于统计分析算法和聚类分析算法对所述各个时间窗口对应的事件信息进行分析获取各个电器对应的开启时间模式，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于关联性分析算法对所述各个时间窗口对应的事件信息进行分析获取各个电器与其他电器之间的关联模式，包括：
5.根据权利要求4所述的方法，其特征在于，所述采集用户在预设目标周期内使用全...
【专利技术属性】
技术研发人员：程思瑾，王一，李心一，王沈征，张虓，谷洋，孙玉，吕宁，冉冉，
申请(专利权)人：国网山东省电力公司泰安供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。