用户用电行为分析方法、系统、设备、介质及程序产品与流程

本发明涉及数据分析处理，特别是涉及一种用户用电行为分析方法、系统、设备、介质及程序产品。

背景技术：

1、随着大量新能源接入电力系统，导致电力系统供需平衡的波动性进一步增强，需用户侧互动参与系统运行调控，可通过用户用电数据分析用电行为特征，同时通过用户用电特征的分析也有助于掌握用户用电偏好，以针对性制定调控措施。

2、在用户用电行为识别分类方法中，有时频域方法、聚类算法等，已应用在部分负荷分类应用中。但上述基于一维序列的方法大多只能提取到时间序列的浅层特征，表征能力有限，对于用户复杂用电行为较难取得很好的分类效果。

3、负荷曲线作为用户用电行为最直观的反映之一，常被用作用电行为特征分析的重要依据，通过无监督聚类算法、有监督分类及有监督与无监督相结合等可对负荷曲线的整体形态特征进行分析，并实现对用电用户群分类，从而有效得出各类典型用户的特征。但上述方法在对典型用户进行分析时，仅能考虑负荷序列的整体相关性，很难使用一般的随机性或确定性理论定义用户用电行为隐含的局部非线性信息。

4、再者，用户用电行为分析的思想大多基于负荷曲线形态上的相似性，以周期特征与随时间变化的趋势为依据对用户进行分类，主要利用的是负荷序列的整体动态相关性在负荷曲线上的特征表现。由于用户用电行为的复杂多样，进行用电行为分类时，仅考虑负荷曲线中的静态指标去识别各类典型用户用电行为，可能会存在用电变化规律未被全面捕捉的情况，致使用户用电的局部波动等非线性信息缺失，影响分类的精准度。

技术实现思路

1、为了解决上述问题，本发明提出了一种用户用电行为分析方法、系统、设备、介质及程序产品，通过定量递归分析方法，采用递归率、确定性、递归熵和层状度的递归特征，形成用电行为非线性特征的解释向量，用于对用电行为的二次精细化分类，实现对用户用电行为的波动信息及非线性特征的有效挖掘。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供一种用户用电行为分析方法，包括：

4、获取用电负荷数据，对其进行聚类处理后，得到对用电行为一次分类的各类负荷曲线组；

5、对每类负荷曲线组中的各负荷曲线均分别构建负荷递归图，并提取负荷递归图中的递归特征，构成解释向量；

6、以解释向量为二次聚类样本，设定解释向量分类数，确定每类解释向量的聚类中心曲线，根据每个解释向量与聚类中心曲线的相似度，将其归类于与之最相似的类别，由此得到每类负荷曲线组下的用电行为二次分类结果。

7、作为可选择的实施方式，在一次分类的聚类处理和设定解释向量分类数的过程中，以最小化样本与聚类中心的误差平方和为目标，通过不同聚类数量下的误差平方和值绘制sse曲线，根据sse曲线的变化趋势，以sse曲线初始拐点对应的聚类数量为所设定的最佳聚类数。

8、作为可选择的实施方式，构建负荷递归图的具体过程包括：将负荷曲线转换为二维相空间轨迹，计算二维相空间轨迹中的每个向量与包括其自身的各向量的欧几里得范数，以 i为行数， j为列数，组合为的递归矩阵， n为用电负荷数据的数量，将递归矩阵中每个元素乘以255，根据不同值映射为不同的rgb值，由此得到负荷递归图。

9、作为可选择的实施方式，所述递归特征包括递归率、确定性、递归熵和层状度。

10、作为可选择的实施方式，根据动态时间归整法确定每个解释向量与聚类中心曲线的相似度距离，并按照从大到小的顺序进行排序，将每个解释向量归类于相似度距离最小的类别。

11、作为可选择的实施方式，计算每个解释向量的第1个递归特征到第k个递归特征，与聚类中心曲线的第1个递归特征到第k个递归特征的dtw距离，利用动态时间归整法构造累计距离矩阵，即二者的相似度距离。

12、第二方面，本发明提供一种用户用电行为分析系统，包括：

13、一次分类模块，被配置为获取用电负荷数据，对其进行聚类处理后，得到对用电行为一次分类的各类负荷曲线组；

14、递归特征提取模块，被配置为对每类负荷曲线组中的各负荷曲线均分别构建负荷递归图，并提取负荷递归图中的递归特征，构成解释向量；

15、二次分类模块，被配置为以解释向量为二次聚类样本，设定解释向量分类数，确定每类解释向量的聚类中心曲线，根据每个解释向量与聚类中心曲线的相似度，将其归类于与之最相似的类别，由此得到每类负荷曲线组下的用电行为二次分类结果。

16、第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。

17、第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

18、第五方面，本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现完成第一方面所述的方法。

19、与现有技术相比，本发明的有益效果为：

20、本发明对一次分类后得到的负荷曲线，通过定量递归分析方法，提取用户用电行为的递归特征，采用递归率、确定性、递归熵和层状度的递归特征，形成用电行为非线性特征的解释向量，用于对用电行为的二次精细化分类，实现对用户用电行为的波动信息及非线性特征的有效挖掘，有效聚焦不同类型的用电用户负荷曲线。不同于用电行为时域分析仅描述整体曲线形态特征，本发明还能够准确刻画用电数据内部动力学特征，通过对用电行为非线性特征的深入分析，提升用户用电行为分析的精细化水平。

21、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种用户用电行为分析方法，其特征在于，包括：

2.如权利要求1所述的一种用户用电行为分析方法，其特征在于，在一次分类的聚类处理和设定解释向量分类数的过程中，以最小化样本与聚类中心的误差平方和为目标，通过不同聚类数量下的误差平方和值绘制sse曲线，根据sse曲线的变化趋势，以sse曲线初始拐点对应的聚类数量为所设定的最佳聚类数。

3.如权利要求1所述的一种用户用电行为分析方法，其特征在于，构建负荷递归图的具体过程包括：将负荷曲线转换为二维相空间轨迹，计算二维相空间轨迹中的每个向量与包括其自身的各向量的欧几里得范数，以i为行数，j为列数，组合为的递归矩阵，n为用电负荷数据的数量，将递归矩阵中每个元素乘以255，根据不同值映射为不同的rgb值，由此得到负荷递归图。

4.如权利要求1所述的一种用户用电行为分析方法，其特征在于，所述递归特征包括递归率、确定性、递归熵和层状度。

5.如权利要求1所述的一种用户用电行为分析方法，其特征在于，根据动态时间归整法确定每个解释向量与聚类中心曲线的相似度距离，并按照从大到小的顺序进行排序，将每个解释向量归类于相似度距离最小的类别。

6.如权利要求5所述的一种用户用电行为分析方法，其特征在于，计算每个解释向量的第1个递归特征到第k个递归特征，与聚类中心曲线的第1个递归特征到第k个递归特征的dtw距离，利用动态时间归整法构造累计距离矩阵，即二者的相似度距离。

7.一种用户用电行为分析系统，其特征在于，包括：

8.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-6任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-6任一项所述的方法。

10.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时实现完成权利要求1-6任一项所述的方法。

技术总结
本发明公开一种用户用电行为分析方法、系统、设备、介质及程序产品，涉及数据分析处理技术领域，包括：获取用电负荷数据，对其进行聚类处理后，得到对用电行为一次分类的各类负荷曲线组；对每类负荷曲线组中的各负荷曲线均分别构建负荷递归图，并提取负荷递归图中的递归特征，构成解释向量；以解释向量为二次聚类样本，设定解释向量分类数，确定每类解释向量的聚类中心曲线，根据每个解释向量与聚类中心曲线的相似度，将其归类于与之最相似的类别，由此得到每类负荷曲线组下的用电行为二次分类结果。采用递归特征形成用电行为非线性特征的解释向量，用于对用电行为的二次精细化分类，实现对用电行为的波动信息及非线性特征的有效挖掘。

技术研发人员：梁波,魏琳,张利,许明,来晓帅,李函奇,解磊,杨洋,郭珂,刘霄慧,张嘉璐,张嘉琪,张慧,曹胜楠,刘畅,王茜
受保护的技术使用者：国网山东省电力公司营销服务中心（计量中心）
技术研发日：
技术公布日：2024/5/10