一种基于eemd方法的用户用电行为异常的判定方法
【专利摘要】本发明涉及一种基于EEMD方法的用户用电行为异常的判定方法，包括以下步骤：S1：采用自组织映射神经网络的方法对用户用电负荷进行聚类；S2：在所述步骤S1的聚类结果中任选一类并选择其中的任一用户，得到在任意两个相同的时间段上的负荷数据；S3：采用经验模态分解方法将所述步骤S2中的数据分解为IMF分量和剩余趋势项；S4：分别对两个时间段上的负荷剩余项进行线性相关性分析，得到；S5：分析。本发明能够使供电企业能够尽快检测到用户用电中的异常，并采取相应的措施，为用户提供更好地服务。
【专利说明】—种基于EEMD方法的用户用电行为异常的判定方法
【技术领域】
[0001]本发明涉及用户用电行为异常的判定方法，特别是一种基于EEMD方法的用户用电行为异常的判定方法。
【背景技术】
[0002]近年来，随着智能电网的发展，国家电网公司开始大力建设智能电网双向互动服务体系。该体系实现了供电企业同客户间信息和电能的双向互动，鼓励用户改变传统的用电方式，积极参与电网运行，根据实时电价调整用电模式，满足用户对用电多样、多元的需求，有效提闻电网的利用效率，提闻客户服务水平。
[0003]然而，目前的智能电网双向互动服务体系还不健全，供电企业对用户用电行为的了解仅仅是通过电表提供的数据，然而电表显示的电流、电压以及电能量都会在一定程度上收到外界波动因素的干扰，以致供电企业很难获得用户用电的真实情况，难以对用户用电进行有效地监督与指导。而且，供电企业对用户用电行为缺乏足够的了解，不能及时发现用户用电中的异常情况，也给用户带来了一定的困扰。为了解决上述问题，本发明提出了一种基于集合经验模态分解的用户用电行为异常判定方法，以便供电企业能够尽快检测到用户用电中的异常，并采取相应的措施，为用户提供更好地服务。
【发明内容】
[0004]有鉴于此，本发明的目的是提供一种基于EEMD方法的用户用电行为异常的判定方法。
[0005]本发明采用以下方案实现:一种基于EEMD方法的用户用电行为异常的判定方法，其特征在于，包括以下步骤:
[0006]S1:采用自组织映射神经网络的方法对用户用电负荷进行聚类；
[0007]S2:在所述步骤SI的聚类结果中任选一类并选择其中的任一用户，得到在任意两个相同的时间段上的负荷数据；
[0008]S3:采用经验模态分解方法将所述步骤S2中的数据分解为MF分量和剩余趋势项，为了保证分解的准确性，采用集合经验模态分解方法，在原来的负荷曲线信号上加入高斯白噪声，对EMD解析出的IMF分量及剩余趋势项进行重构，最终得到两个时间段上剔除波动因素后的负荷剩余项；
[0009]S4:分别对两个时间段上的负荷剩余项进行线性相关性分析，得到P1, P2，其中P !是第一个时间段上该类与所选用户的负荷相关系数，P 2第二个时间段上该类与所选用户的负荷相关系数；所述相关系数的计算采用如下公式:
【权利要求】
1.一种基于EEMD方法的用户用电行为异常的判定方法，其特征在于，包括以下步骤: 51:采用自组织映射神经网络的方法对用户用电负荷进行聚类； 52:在所述步骤SI的聚类结果中任选一类并选择其中的任一用户，得到在任意两个相同的时间段上的负荷数据； 53:采用经验模态分解方法将所述步骤S2中的数据分解为MF分量和剩余趋势项，为了保证分解的准确性，采用集合经验模态分解方法，在原来的负荷曲线信号上加入高斯白噪声，对EMD解析出的IMF分量及剩余趋势项进行重构，最终得到两个时间段上剔除波动因素后的负荷剩余项； S4:分别对两个时间段上的负荷剩余项进行线性相关性分析，得到P1, P2，其中91是第一个时间段上该类与所选用户的负荷相关系数，P 2第二个时间段上该类与所选用户的负荷相关系数；所述相关系数的计算采用如下公式:
2.根据权利要求1所述的一种基于EEMD方法的用户用电行为异常的判定方法，其特征在于，所述经验模态分解方法，包括如下步骤: S11:找到原信号x(t)的所有极大值和极小值，分别通过三次样条函数拟合出上包络线e+(t)和下包络线e_(t)，上下包络线的均值作为原信号的均值包络Hi1 (t)，则
3.根据权利要求1所述的一种基于EEMD方法的用户用电行为异常的判定方法，其特征在于:所述集合经验模态分解方法，包括如下步骤: 521:在原始信号x(t)中多次加入幅值具有均值为O且标准差为常数的白噪声ni(t)，得到:Xi (t)=x(t)+ni(t)； 式中=Xi (t)为第i次加入高斯白噪声的信号；加入高斯白噪声的大小会直接影响信号EEMD避免模态混叠的分解效果； 522:对Xi⑴分别进行EMD分解，得到的IMF分量Cij⑴与I个余项&⑴；其中Cij⑴为第i次加入高斯白噪声后，分解所得到的第j个IMF ； 523:重复步骤S21和步骤S22N次，利用不相关的随机序列的统计均值为O的原理，将上述对应的MF进行总体平均运算，消除多次加入高斯白噪声对真实MF的影响，最终得到EEMD分解后的MF为:
【文档编号】G06Q50/06GK103839197SQ201410102773
【公开日】2014年6月4日 申请日期:2014年3月19日 优先权日:2014年3月19日
【发明者】陈卫中, 李学永, 钟小强, 高琛, 邹保平, 陈益信, 董雨, 李春生, 陈程 申请人:国家电网公司, 国网福建省电力有限公司, 国网福建省电力有限公司电力科学研究院, 国网信通亿力科技有限责任公司, 中国科学技术大学