1.一种基于自适应关联规则挖掘的能源解聚合方法,其特征在于,该方法包括如下步骤:
S1,在采样时间内,采集设备按照一定的采样频率采集用电器的聚合能量数据,并对聚合能量数据预处理;
S2,根据用电器不同工作状态下的至少同一特征建立用电器状态特征数据库;
S3,根据用电器状态特征数据库,进行先验知识的学习,得到频繁项集;
S4,由频繁项集进行关联规则的挖掘,得到强关联规则。
2.如权利要求1所述的一种基于自适应关联规则挖掘的能源解聚合方法,其特征在于:
还包括S5,在采样时间后,采集设备按照一定的采样频率采集到的聚合能量数据,使用S4的强关联规则进行解聚合,并根据电器状态特征数据库得到用电器的组合及工作状态。
3.如权利要求1所述的一种基于自适应关联规则挖掘的能源解聚合方法,其特征在于,先验知识的学习,具体步骤如下:
S31,根据采样时间内的聚合能量数据确定采集设备采集的所有用电器的数量和所有用电器的所有工作状态N,并根据所有用电器的所有工作状态构建所有的可能项集n,其中n为n≤N的自然数;
S32,计算所有的可能项集n的支持度,预设与可能项集n对应的频繁项集阈值;
S33,将所有的可能项集n的支持度与可能项集n对应的预设频繁项集阈值逐一做比较,若可能项集n的支持度大于预设阈值,则可能项集n为频繁项集n,反之,则为非频繁项集,其中,当n=0时,即所有用电器的工作状态都为关闭状态,可能项集0为空集,可能项集0为非频繁项集;
S34,将所有的频繁项集n整合得到频繁项集。
4.如权利要求3所述的一种基于自适应关联规则挖掘的能源解聚合方法,其特征在于:每一可能项集n对应的频繁项集阈值均相等。
5.如权利要求3所述的一种基于自适应关联规则挖掘的能源解聚合方法,其特征在于:
可能项集n是指从所有用电器的所有工作状态N中任意选n个状态,且n个状态分别属于n个不同的用电器。
6.如权利要求1所述的一种基于自适应关联规则挖掘的能源解聚合方法,其特征在于,由频繁项集进行关联规则的挖掘,得到强关联规则的步骤如下:
S41,计算频繁项集中每一种关联规则的规则可信度;
S42,设置可信度阈值,将每一种关联规则的规则可信度与可信度阈值做比较,若该关联规则的规则可信度小于可信度阈值,则判断该关联规则为弱关联规则,若大于等于可信度阈值,则判断该关联规则为强关联规则。
7.如权利要求1所述的一种基于自适应关联规则挖掘的能源解聚合方法,其特征在于,聚合能量数据预处理包括如下方法:
对聚合能量数据中的多个异常数据做删除操作;
对聚合能量数据中的单个异常数据用相邻时刻的上一时刻的聚合能量数据替代。
8.如权利要求1所述的一种基于自适应关联规则挖掘的能源解聚合方法,其特征在于:用电器的特征包括电压、电流、有功功率、无功功率、视在功率和功率因子。