CN114611272B 一种基于最小间隔动态分布的用电负荷曲线数据拟合方法 (国网上海市电力公司).docxVIP

CN114611272B 一种基于最小间隔动态分布的用电负荷曲线数据拟合方法 (国网上海市电力公司).docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114611272B(45)授权公告日2025.07.01

(21)申请号202210181115.X

(22)申请日2022.02.25

(65)同一申请的已公布的文献号申请公布号CN114611272A

(43)申请公布日2022.06.10

(73)专利权人国网上海市电力公司

地址200120上海市浦东新区源深路1122

专利权人华东电力试验研究院有限公司

(51)Int.CI.

GO6F

GO6FG06QG06F

30/20(2020.01)

17/10(2006.01)

50/06(2012.01)

119/02(2020.01)

(56)对比文件

CN113033598A,2021.06.25

审查员符昱

(72)发明人朱铮曹祎黄锋俞磊许堉坤蒋超杜成刚戴辰王晋

(74)专利代理机构济南克雷姆专利代理事务所(普通合伙)37279

专利代理师张祥明

权利要求书2页说明书6页附图5页

(54)发明名称

一种基于最小间隔动态分布的用电负荷曲线数据拟合方法

(57)摘要

CN114611272B本发明属于用电数据分析处理应用领域,为了解决电能示值曲线数据异常的恢复问题,提供了一种基于最小间隔动态分布的用电负荷曲线数据拟合方法,包括以下步骤:S1:用户用电曲线特征识别与分类;S2:构建用户不同用电行为最小间隔动态特征曲线;S3:日用电行为特征曲线与最小间隔动态特征曲线相似性匹配;S4:基于最小用电间隔用电权重的数据拟合。本发明用以支撑电网企业开展电力市场化交易负荷预测、贸易结算、电价制定、代理购电等业务,以及电力用户综合能效管理、政府重大分析决策等需求;此算法可有效确保用户用电电能示值曲线的数据

CN114611272B

S1:

S1:用户用电曲线特征识别与分类

S2:构建用户不同用电行为最小间隔动态特征曲线

S3:日用电曲线与最小间隔动态特征曲线相似性匹配

S4:基于最小用电间隔用电权重的数据拟合

CN114611272B权利要求书1/2页

2

1.一种基于最小间隔动态分布的用电负荷曲线数据拟合方法,其特征在于,包括以下步骤:

S1:用户用电曲线特征识别与分类;

S2:构建用户不同用电行为最小间隔动态特征曲线;

S3:日用电曲线与最小间隔动态特征曲线相似性匹配;

S4:基于最小用电间隔用电权重的数据拟合;

步骤S1中所述的用户用电曲线特征识别与分类,具体按如下步骤实施:

取用电客户近D日电能示值曲线,对每一日曲线进行特征识别,记录每一日曲线特征信息;特征通过识别间隔用电突增、突降点的数据点时间次序与突增、突降次数进行特征描述记录;特征量记录序列:Q={M,N,{T?,T?,T?,......,TM+N}},其中M为突增次数,N为突降次数,T为第x次突变信息元素,包含突变时间点以及突变描述;

构建近D日曲线特征信息集:

步骤S2中所述的构建用户不同用电行为最小间隔动态特征曲线,具体按如下步骤实施:

依据曲线特征参数进行同类用电特征合并,形成该用户用电特征分类:{Q?,Q?,Q?,...,Q};取某一特征分类Q下的所有曲线数据,获取每条曲线每个有效间隔的用电量,对同一时间点对应的间隔用电求取加权平均值,生成间隔用电{q?,?,Q?,..…,495};

步骤S3中所述的日用电曲线与最小间隔动态特征曲线相似性匹配,具体按如下步骤实施:

获取用户当前用电示值交易曲线数据;

根据曲线数据缺失数据点情况,将一条曲线数据分成多段连续的曲线段,获取每一曲线段对应的间隔用电序列,形成多条用电曲线段;

根据用电曲线段的有效用电间隔情况,利用皮尔逊系数法求取该段曲线与该用户各动态特征曲线对应时间序列内的相关性;

综合该曲线各分段曲线与各动态特征曲线的相关性情况,利用相似度加权占比方法,求取整条曲线与各特征曲线的相似度;

曲线分段相关性计算说明如下:

定义曲线段q=[q?,q,…q14],获取该用户某一特征曲线同时段数据y=[y?,y?,…y14则计算公式如下所示:

其中Pa,即为所求相关性系数,cov(q,y)为q、y向量的协方差,88,分别为q、y向量的标准差,协方差计算公式如下:

CN1146

您可能关注的文档

文档评论(0)

xm + 关注
实名认证
文档贡献者

专业学习资料,专业文档

1亿VIP精品文档

相关文档