本发明涉及电力系统分析,特别是涉及一种基于注意力的用电负载特征信物模型的构建方法及装置。
背景技术:
1、随着电网的规模不断地扩大,加之智能终端安装覆盖率的逐渐提高,使得电网的数据呈现爆炸式的增长,而如何在这些数据中挖掘出有价值的信息,成为当前电力系统中一个具有挑战性的问题。所以通过理解不同用户的用电行为对于电力部门如何操作电力系统有着十分深远的意义。随着互联网的发展,如今城市的各个角落已经部署了大量的智能终端来收集用户用电行为。从而能从海量的用户用电数据中计算出用户用电行为特征,为区分用户用电行为模式提供了可能性。
2、目前对用户用电数据普通采用倒数动态时间归整算法(ddtw)对用户用电数据进行聚类分析,ddtw算法考虑到了时间序列局部的形状信息,即在对时间序列求导后,在局部内将左右两边的邻居节点考虑内,通过欧式距离计算两个时间序列对应点之间的距离,从而更好的描述局部信息并对离群点有更好的鲁棒性,因此,可以很好解决奇点问题。
3、由于ddtw算法计算得到的距离有着较高的时间复杂度,在数据处理过程中需要通过数据平滑手段将无特征的微小波动去除以提升计算效率;但是在数据平滑过程中,经过窗口计算斜率k时,如果左右两个点与中心数据点的值差异较大时,就会导致特征区域被错误的平滑,使得特征丢失,致使后续对用户行为特征分析不准确。
技术实现思路
1、鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于注意力的用电特征信物特征模型的构建方法及装置,用于解决现有技术中对用户性特征分析不准确的问题。
2、为实现上述目的及其他相关目的,本发明提供一种基于注意力的用电负载特征信物模型的构建方法,至少包括以下步骤:
3、s1,根据第一设定时间间隔采集各用户的用电数据;
4、s2,基于注意力对每个用户的用电数据进行处理得到每个用户的用电负载特征模型;
5、s3,对所有用户的用电负载特征模型进行聚类处理得到全局用电负载特征信物模块。
6、优选地,在步骤2中,根据所述用电数据得到第一负载曲线和第二负载曲线;再根据所述第一负载曲线和所述第二负载曲线得到所述用电负载特征模型。
7、优选地,根据所述用电数据得到细采样用电负载曲线,并对所述细采样用电负载曲线进行处理得到第一负载曲线;和,根据用电数据得到粗采样用电负载曲线,并对所述粗采样用电负载曲线进行处理得到第二负载曲线。
8、优选地,所述根据用电数据得到粗采样用电负载曲线为对用电数据按照第二设定时间间隔进行降采样得到粗采样用电负载曲线;所述第二设定时间间隔大于所述第一设定时间间隔。
9、优选地,所述对所述粗采样用电负载曲线进行处理得到第二负载曲线包括:
10、对所述粗采样用电负载曲线进行平滑处理得到第二平滑曲线;
11、对所述第二平滑曲线进行归一化处理得到第二归一化曲线;
12、对所述第二归一化曲线进行离散化处理得到所述第二负载曲线。
13、优选地,所述对所述粗采样用电负载曲线进行平滑处理得到第二平滑曲线包括:
14、按照设定要求区分所述粗采样用电负载曲线中的特征区域和稳定区域;
15、对所述稳定区域进行平滑得到稳定区域的平滑曲线部分,并维持所述特征区域的原始曲线部分;
16、将所述平滑曲线部分和原始曲线部分组成所述第二平滑曲线。
17、优选地,在步骤3中,聚类采用的是层次聚类。
18、优选地,所述对所有用户的用电负载特征模型进行聚类处理得到全局用电负载特征信物模块包括:
19、将所有用户负载曲线按照一定规则划分,得到至少两个区域的用户负载曲线;每个区域至少包括两个用户;
20、将每个区域的用户负载曲线进行聚类得到边缘用电负载特征信物模块;
21、将所有区域的边缘用电负载特征信物模型进行聚类得到所述全局用电负载特征信物模型。
22、优选地,还包括对全局用电负载特征信物模型进行应用分析;所述应用分析包括用户用电行为、节能省电和制定电价。
23、为实现上述目的及其他相关目的,本发明还提供一种基于注意力的用电负载特征信物模型的构建装置,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上的运行的计算机程序,其特征在于,所述处理器在执行所述计算机程序时实现上述的基于注意力的用电负载特征信物模型的构建方法的步骤。
24、如上所述,本发明的基于注意力的用电特征信物模型的构建方法及装置,具有以下有益效果:
25、本发明基于注意力机制双层的特征提取架构以较小的时间代价获得了较好的性能提升,既降低了运算量,又能避免在特征区域的特征丢失,从而保证构建的用电负载特征信物模型的准确性和后续应用分析的价值。
1.一种基于注意力的用电负载特征信物模型的构建方法,其特征在于,至少包括以下步骤:
2.根据权利要求1所述的基于注意力的用电负载特征信物模型的构建方法,其特征在于,在步骤2中,根据所述用电数据得到第一负载曲线和第二负载曲线;再根据所述第一负载曲线和所述第二负载曲线得到所述用电负载特征模型。
3.根据权利要求2所述的基于注意力的用电负载特征信物模型的构建方法,其特征在于,根据所述用电数据得到细采样用电负载曲线,并对所述细采样用电负载曲线进行处理得到第一负载曲线;和,根据用电数据得到粗采样用电负载曲线,并对所述粗采样用电负载曲线进行处理得到第二负载曲线。
4.根据权利要求3所述的基于注意力的用电负载特征信物模型的构建方法,其特征在于,所述根据用电数据得到粗采样用电负载曲线为对用电数据按照第二设定时间间隔进行降采样得到粗采样用电负载曲线;所述第二设定时间间隔大于所述第一设定时间间隔。
5.根据权利要求3所述的基于注意力的用电负载特征信物模型的构建方法,其特征在于,所述对所述粗采样用电负载曲线进行处理得到第二负载曲线包括:
6.根据权利要求5所述的基于注意力的用电负载特征信物模型的构建方法,其特征在于,所述对所述粗采样用电负载曲线进行平滑处理得到第二平滑曲线包括:
7.根据权利要求1所述的基于注意力的用电负载特征信物模型的构建方法,其特征在于,在步骤3中,聚类采用的是层次聚类。
8.根据权利要求1所述的基于注意力的用电负载特征信物模型的构建方法,其特征在于,所述对所有用户的用电负载特征模型进行聚类处理得到全局用电负载特征信物模块包括:
9.根据权利要求1所述的基于注意力的用电负载特征信物模型的构建方法,其特征在于,还包括对全局用电负载特征信物模型进行应用分析;所述应用分析包括用户用电行为、节能省电和制定电价。
10.基于注意力的用电负载特征信物模型的构建装置,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上的运行的计算机程序,其特征在于,所述处理器在执行所述计算机程序时实现权利要求1-9所述的基于注意力的用电负载特征信物模型的构建方法的步骤。