CN104933630A - 一种负荷特性分析方法和系统 - Google Patents

Abstract

本发明实施例提供一种负荷特性分析方法，其中，方法包括：确定待测用户的负荷曲线类别，获取该类别的典型负荷曲线；利用多元线性回归方程计算该典型负荷曲线与预定外界因素的关联关系，确定该典型负荷曲线受各个预定外界因素的影响程度；构建用电负荷特性指标体系，根据该用电负荷特性指标体系确定该典型负荷曲线的各个用电负荷特性指标值；根据该典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析，得到负荷特性分析结果。提高了负荷特性分析结果与实际情况的吻合程度，降低了分析结果错误、分析结果偏差和指标混淆的可能性。

Description

一种负荷特性分析方法和系统

技术领域

本发明涉及电力工程技术领域领域，特别是涉及一种负荷特性分析方法和系统。

背景技术

高精度的负荷预测离不开事前对负荷变化特点的深入分析，找出影响负荷变化的主要因素，把握负荷自身的变化规律。对负荷特性的研究主要分为定性分析和定量分析两个方面。其中，定性分析是指根据负荷变化的直观特性，根据所研究地区的经济发展、产业结构、需求侧政策、气象因素、假期情况等因素，定性描述负荷特点及负荷受各因素的影响变化趋势；定量分析包括利用负荷特性指标对负荷特性进行评价，研究负荷与相关影响因素的关联程度及变化关系等。

但是，由于各行业典型负荷曲线、非电网统调负荷特性曲线的获取和加工处理较为困难，定量分析各种因素对负荷特性的影响是一个比较困难的问题，且缺少系统的负荷及负荷特性的分析方法，研究负荷特性大多还是在定性分析。当对各地区进行负荷特性分析时，均只是结合实际数据的可获得性，选择部分具有代表性的指标进行分析，造成各地区难以进行对比分析，也容易造成指标的混淆，带来错误和偏差。另外，由于各地的负荷特性不同，不同地区负荷受大气等外界因素影响的程度不同，若不考虑外界因素对负荷特性的影响，而直接过用户负荷特性进行分析，将导致负荷特性分析结果与实际情况偏离较大。

发明内容

有鉴于此，本发明实施例提供一种负荷特性分析方法和系统，以解决现有技术中对各地区进行负荷特性分析时，均只是结合实际数据的可获得性， 选择部分具有代表性的指标进行分析，造成各地区难以进行对比分析，也容易造成指标的混淆，带来错误和偏差，和不考虑外界因素对负荷特性的影响而直接过用户负荷特性进行分析，导致负荷特性分析结果与实际情况偏离较大的问题。

为实现上述目的，本发明实施例提供如下技术方案：

一种负荷特性分析方法，包括：

确定待测用户的负荷曲线类别，获取所述类别的典型负荷曲线；

利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度；

构建用电负荷特性指标体系，并根据所述用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值；

根据所述典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析，得到负荷特性分析结果。

其中，所述确定待测用户的负荷曲线类别包括：

获取待测用户所在用电系统内所有用户的用电负荷曲线，确定所述所有用户的用电曲线的所有可能聚类类别数；

将每个所述可能聚类类别数分别作为模糊C-均值聚类算法的聚类类别数，对所述用电负荷曲线进行模糊聚类，分别得到一个聚类结果；

利用预定的有效性指标对所有得到的聚类结果进行评估，得到最佳聚类结果，确定所述待测用户在所述最佳聚类结果中所属的聚类类别，得到所述待测用户的负荷曲线类别。

其中，所述获取所述类别的典型负荷曲线包括：

确定所述待测用户的负荷曲线类别；

确定所述负荷曲线类别内包含的所有用电负荷曲线；

根据所述所有用电负荷曲线提取得到一条典型负荷曲线，将所述典型负荷曲线作为所述待测用户的典型负荷曲线。

其中，所述利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度包括：

根据预定外界因素建立多元线性回归方程；

对所述多元线性回归方程进行拟合优度检验、方程显著性检验和方程系数显著性检验，分别得到一个检验结果；

根据所有所述检验结果确定所述典型负荷曲线受各个所述预定外界因素的影响程度。

其中，所述多元线性回归方程为：

$\hat{y}=\hat{a}+{\hat{b}}_1{x}_1+{\hat{b}}_2{x}_2+...+{\hat{b}}_k{x}_k;$

其中，为用电量或最大负荷；k为预定外界因素的数目；x_k为第k个外界因素；和均为拟合系数，其中，为第k个外界因素的拟合系数。

其中，所述用电负荷特性指标体系为日负荷特性指标、周负荷特性指标、月负荷特性指标、季负荷特性指标或年负荷特性指标或规划型负荷特性指标。

其中，所述日负荷特性指标包括：日最大负荷、日最小负荷、日平均负荷、日负荷曲线、日负荷率、日最小负荷率、日峰谷差和日峰谷差率；

所述月负荷特性指标包括：月最大负荷、月最小负荷、月平均日负荷、月平均日负荷率、月最小负荷率和月负荷率；

所述年负荷特性指标包括：年最大负荷、年最小负荷、年最大峰谷差、年负荷曲线、年平均日负荷率、年平均月负荷率、季负荷率、年负荷率和年最大负荷利用小时数；

所述规划型负荷特性指标包括：增长率、增长率变化率和负荷密度。

一种负荷特性分析系统，包括：获取模块、第一分析模块、第二分析模块和综合分析模块；其中，

所述获取模块，用于确定待测用户的负荷曲线类别，获取所述类别的典型负荷曲线；

所述第一分析模块，用于利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度；

所述第二分析模块，用于构建用电负荷特性指标体系，并根据所述用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值；

所述综合分析模块，用于根据所述典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析，得到负荷特性分析结果。

其中，所述获取模块包括：数据获取单元、聚类单元和结果获取单元；其中，

所述数据获取单元，用于获取待测用户所在用电系统内所有用户的用电负荷曲线，确定所述所有用户的用电曲线的所有可能聚类类别数；

所述聚类单元，用于将每个所述可能聚类类别数分别作为模糊C-均值聚类算法的聚类类别数，对所述用电负荷曲线进行模糊聚类，分别得到一个聚类结果；

所述结果获取单元，用于利用预定的有效性指标对所有得到的聚类结果进行评估，得到最佳聚类结果，确定所述待测用户在所述最佳聚类结果中所属的聚类类别，得到所述待测用户的负荷曲线类别。

其中，所述第一分析模块包括：方程建立单元、检验单元和分析单元；其中，

所述方程建立单元，用于根据预定外界因素建立多元线性回归方程；

所述检验单元，用于对所述多元线性回归方程进行拟合优度检验、方程显著性检验和方程系数显著性检验，分别得到一个检验结果；

所述分析单元，用于根据所有所述检验结果确定所述典型负荷曲线受各个所述预定外界因素的影响程度。

基于上述技术方案，本发明实施例提供一种负荷特性分析方法和系统，其中，方法包括：确定待测用户的负荷曲线类别，获取所述类别的典型负荷曲线；利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度；构建用电负荷特性指标体系，并根据所述用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值；根据所述典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析，得到负荷特性分析结果。通过多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度，考虑外界因素对负荷特性的影响，提 高了负荷特性分析结果的准确性，既提高了负荷特性分析结果与实际情况的吻合程度；建立用电负荷特性指标体系，根据用户的用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值，通过统一的分类方式和规范的负荷特性指标体系来对各地区进行负荷特性分析，在不同时间尺度上和规划上构建用户用电特性的指标，为直观评价用户负荷曲线提供了标准，使各个地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性。也就是说，本发明实施例提供一种负荷特性分析方法和系统，最后通过获取的典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值综合来对该获取的典型负荷曲线特性进行分析，得到负荷特性分析结果，既提高了负荷特性分析结果的准确性，又使各个地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的负荷特性分析方法的流程图；

图2为本发明实施例提供的负荷特性分析方法中确定待测用户的负荷曲线类别的方法流程图；

图3为本发明实施例提供的负荷特性分析方法中获取典型负荷曲线的方法流程图；

图4为本发明实施例提供的负荷特性分析方法中计算典型负荷曲线与预定外界因素的关联关系，确定典型负荷曲线受各个预定外界因素的影响程度的方法流程图；

图5为本发明实施例提供的负荷特性分析系统的系统框图；

图6为本发明实施例提供的负荷特性分析系统中获取模块的结构框图；

图7为本发明实施例提供的负荷特性分析系统中第一分析模块的结构框图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的负荷特性分析方法的流程图，考虑外界因素对负荷特性的影响，提高了负荷特性分析结果的准确性，既提高了负荷特性分析结果与实际情况的吻合程度，通过统一的分类方式和规范的负荷特性指标体系来对各地区进行负荷特性分析，在不同时间尺度上和规划上构建用户用电特性的指标，为直观评价用户负荷曲线提供了标准，使各个地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性；参照图1，该负荷特性分析方法可以包括：

步骤S100：确定待测用户的负荷曲线类别，获取所述类别的典型负荷曲线；

通过聚类的方法对用户的用电负荷形态进行提取，将会将各个用户的用电负荷曲线分为不同的聚类类别，每个聚类类别都可提取出一条典型负荷曲线。因此，在确定待测用户负荷曲线的类别后，可以获取到该类别的典型负荷曲线，通过该典型负荷曲线来对该待测用户的负荷特性进行分析。

可选的，可以通过获取待测用户所在用电系统内所有用户的用电负荷曲线，确定所述所有用户的用电曲线的所有可能聚类类别数，将每个所述可能聚类类别数分别作为模糊C-均值聚类算法的聚类类别数，对所述用电负荷曲线进行模糊聚类，分别得到一个聚类结果，然后利用预定的有效性指标对所有得到的聚类结果进行评估，得到最佳聚类结果，然后确定该待测用户在所述最佳聚类结果中所属的聚类类别，来得到所述待测用户的负荷曲线类别。

可选的，可以通过在确定待测用户的负荷曲线类别后，确定该待测用户的负荷曲线类别内包含的所有用电负荷曲线，然后根据所有用电负荷曲线提 取得到一条典型负荷曲线，将典型负荷曲线作为所述待测用户的典型负荷曲线。

步骤S110：利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度；

城市配电网负荷按负荷种类可分为不变工业负荷、可变工业负荷、企事业单位负荷、商业负荷、居民负荷、市政公共负荷。所谓不变工业负荷，是指负荷受天气因素及节假日因素影响变化较小的负荷，例如厂矿企业、大型冶炼企业、室内制造工厂等；可变工业负荷是指负荷受天气因素及节假日因素影响变化较大的负荷，例如露天制造工厂等；企事业单位负荷是指企业及事业单位用电负荷，该部分负荷受气象因素及节假日因素影响较大；商业负荷是指公共消费娱乐场所所用负荷，例如大型超市、游乐城、步行街等，该部分负荷受气象因素影响不大，节假日除客流量增大外负荷变化有限；居民负荷是指小区居民正常用电负荷，该部分负荷受气象因素及节假日因素影响较大；市政公共负荷是指城市公共设施用电负荷，该部分负荷受气象因素及节假日因素影响较小。也就是说，不同地方不同类型的用户，其负荷特性都将会所有不同，不同地区负荷受大气等外界因素影响的也将程度不同，若不考虑外界因素对负荷特性的影响，而直接过用户负荷特性进行分析，将导致负荷特性分析结果与实际情况偏离较大。而利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度，考虑外界因素对负荷特性的影响，提高了负荷特性分析结果的准确性，既提高了负荷特性分析结果与实际情况的吻合程度，很好地解决了这一问题。

可选的，可以根据预定外界因素建立多元线性回归方程，对该多元线性回归方程进行拟合优度检验、方程显著性检验和方程系数显著性检验，分别得到一个检验结果，然后再根据所有检验结果来确定获取的典型负荷曲线受各个预定外界因素的影响程度。

可选的，外界因素可以包括：用户用电量、电价、气候、温度(最大温度和平均温度等)和湿度(最大湿度和平均湿度等)等。

步骤S120：构建用电负荷特性指标体系，并根据所述用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值；

建立用电负荷特性指标体系，根据用户的用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值，通过统一的分类方式和规范的负荷特性指标体系来对各地区进行负荷特性分析，在不同时间尺度上和规划上构建用户用电特性的指标，为直观评价用户负荷曲线提供了标准，使各个地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性。

可选的，构建的用电负荷特性指标体系可以为日负荷特性指标、周负荷特性指标、月负荷特性指标、季负荷特性指标或年负荷特性指标或规划型负荷特性指标。其中，日负荷特性指标、周负荷特性指标、月负荷特性指标、季负荷特性指标或年负荷特性指标均以时间为度量，而规划型负荷特性指标并未对时间进行限定。

可选的，日负荷特性指标可以包括：日最大负荷、日最小负荷、日平均负荷、日负荷曲线、日负荷率、日最小负荷率、日峰谷差和日峰谷差率。

其中，日最大负荷和日最小负荷分别是指一天中负荷的最大值和最小值；日平均负荷为日总电量除以24，或是通过将一天中所有负荷点的平均值相加得到的数字；日负荷曲线可以为按一天中逐小时、逐半小时或逐15分钟负荷变化回执的曲线；日负荷率为日平均负荷值与日最大负荷的比值，该指标用于描述日负荷曲线特性，表征一天中负荷分布的不均衡性，较高的负荷率有利于电力系统的经济运行；日最小负荷率为日最小负荷与日最大负荷的比值，日负荷率和日最小负荷率的数值大小，与用户的性质和类别、组成、生产班次及系统内的各类用电(生活用电、动力用电、工艺用电)所占的比重有关，还与调整负荷的措施有关；日峰谷差日为最大负荷与日最小负荷之差，峰谷差的大小直接反映了电网所需要的调峰能力，峰谷差主要是用来安排调峰措施、调整负荷及电源规划的研究；日峰谷差率则为日峰谷差与日最大负荷的比值。

可选的，月负荷特性指标可以包括：月最大负荷、月最小负荷、月平均日负荷、月平均日负荷率、月最小负荷率和月负荷率。

其中，月最大负荷为每月最大负荷日的最大负荷；月最小负荷为每月最小负荷日的最大负荷；月平均日负荷为每月日平均负荷的平均值；月平均日负荷率为每月日负荷率的平均值；月最小负荷率为每月日最小负荷率的最小 值；月负荷率，又称月不均衡系数，为月平均负荷与月最大负荷日平均负荷的比值，该指标是研究电量在月内分布的重要指标，主要与用电构成、季节性变化和节假日有关。

可选的，年负荷特性可以指标包括：年最大负荷、年最小负荷、年最大峰谷差、年负荷曲线、年平均日负荷率、年平均月负荷率、季负荷率、年负荷率和年最大负荷利用小时数。

其中，年最大负荷为全年各月最大负荷的最大值；年最小负荷为全年各月最小负荷的最大值；年最大峰谷差为全年各日峰谷差的最大值；年最大峰谷差率为全年各日峰谷差率的最大值。年负荷曲线为按全年逐月最大负荷绘制的曲线；年平均日负荷率为全年各月最大负荷日的平均负荷之和与各月最大负荷日最大负荷之和的比值，是一年内日负荷的平均反映，主要反映了第三产业负荷的影响；年平均月负荷率为一年内12个月各月平均负荷之和与各月最大负荷日平均负荷之和的比值；季负荷率，又称季不平衡系数，为一年内12个月各月最大负荷日的最大负荷之和的平均值与年最大负荷的比值，反映用电负荷的季节性变化，包括用电设备的季节性配置、设备的年度大修及负荷的年增长等因素造成的影响；年负荷率为年平均负荷与年最大负荷的比值，与三类产业的用电结构变化有关，通常情况下随着第二产业用电比重的增加而增大，随着第三产业用电和居民生活用电所占比重增加而降低；年最大负荷利用小时数(T)，与各产业用电所占的比重有关，一般来讲，电力系统中重工业用电占较大比重的地区，年最大负荷利用小时数较高，而第三产业用电和居民生活用电占较大比重的地区年最大负荷利用小时数较低。

可选的，规划型负荷特性指标可以包括：增长率、增长率变化率和负荷密度。

可选的，增长率可以为年增长率。

可选的，年增长率η的计算公式可以为：

B＝A(1+η)^n-1；

η＝(B/A)^n-1-1；

其中，A为第一年，年用电量(或年最大负荷、年最大负荷利用小时数)的数量值；B为第n年，年用电量(或年最大负荷、年最大负荷利用小时数)的数量值。 

可选的，增长率变化率可以为年增长率变化率。

可选的，年增长率变化率ε的计算公式可以为：

η_nY＝η₁(1+ε)^n-1；

ε＝(η_n/η₁)^n-1-1；

其中，η₁为第一年的年增长率；η_n为第n年的年增长率。

可选的，负荷密度计算公式可以为：

负荷密度是指供电范围内用电量与占地面积的比值。一般城镇和工业地区用电负荷密度较高，农业和畜牧业地区用电负荷密度较低。随着经济发展商业地区和居民住宅地区的用电负荷密度有较大的增长。

步骤S130：根据所述典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析，得到负荷特性分析结果。

根据获取的典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值综合来对该获取的典型负荷曲线特性进行分析，得到负荷特性分析结果，既提高了负荷特性分析结果的准确性，又使各个地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性。

基于上述技术方案，本发明实施例提供一种负荷特性分析方法和系统，其中，方法包括：确定待测用户的负荷曲线类别，获取所述类别的典型负荷曲线；利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度；构建用电负荷特性指标体系，并根据所述用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值；根据所述典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析，得到负荷特性分析结果。通过多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度，考虑外界因素对负荷特性的影响，提高了负荷特性分析结果的准确性，既提高了负荷特性分析结果与实际情况的 吻合程度；建立用电负荷特性指标体系，根据用户的用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值，通过统一的分类方式和规范的负荷特性指标体系来对各地区进行负荷特性分析，在不同时间尺度上和规划上构建用户用电特性的指标，为直观评价用户负荷曲线提供了标准，使各个地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性。也就是说，本发明实施例提供一种负荷特性分析方法和系统，最后通过获取的典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值综合来对该获取的典型负荷曲线特性进行分析，得到负荷特性分析结果，既提高了负荷特性分析结果的准确性，又使各个地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性。

可选的，图2示出了本发明实施例提供的负荷特性分析方法中确定待测用户的负荷曲线类别的方法流程图，参照图2，该确定待测用户的负荷曲线类别的方法可以包括：

步骤S200：获取待测用户所在用电系统内所有用户的用电负荷曲线，确定所述所有用户的用电曲线的所有可能聚类类别数；

将获取的用电负荷曲线通过模糊C-均值聚类算法进行聚类处理，需要在聚类之前先知道获取的用电负荷曲线的聚类类别数，即应该将这些获取的用电负荷曲线应该被分为几类。可能聚类类别数，即是指这些获取的用电负荷曲线可能存在的聚类类别数，所有可能聚类类别数，即是指这些获取的用电负荷曲线所有可能存在的类别数。例如，若获取的用电负荷曲线可能被分别3种类别、4种类别或5种类别，那么，这些获取的用电负荷曲线的所有可能聚类类别数即为3、4和5。

可选的，获取的用电负荷曲线可以为经过归一化处理的用电负荷曲线，归一化处理的用电负荷曲线的负荷值均在0-1之间，对归一化处理的用电负荷曲线进行聚类后，将会更加便于曲线的观察。

可选的，可以通过获取用户预定天数的用电负荷信息，计算该用电负荷信息在所述预定天数内的平均值，得到所述用户的平均用电负荷信息，然后根据该用户的平均用电负荷信息来得到该用户的用电负荷曲线。

步骤S210：将每个所述可能聚类类别数分别作为模糊C-均值聚类算法的聚类类别数，对所述用电负荷曲线进行模糊聚类，分别得到一个聚类结果；

将每个所述可能聚类类别数分别作为模糊C-均值聚类算法的聚类类别数，对所述用电负荷曲线进行模糊聚类，将分别得到一个聚类结果。例如，若获取的用电负荷曲线的所有可能聚类类别数为3、4和5，那么，分别将3作为模糊C-均值聚类算法的聚类类别数，将4作为模糊C-均值聚类算法的聚类类别数和将5作为模糊C-均值聚类算法的聚类类别数后，都将得到一个聚类结果，即三个聚类结果。

其中，其中通过模块C-均在聚类算法对获取的用电负荷曲线进行聚类，即是指，在获取的用户负荷曲线内，将其中具有相似负荷波动特性的用户负荷曲线归为一类。而使用模块C-均在聚类算法具有运算速度较块的优点。

步骤S220：利用预定的有效性指标对所有得到的聚类结果进行评估，得到最佳聚类结果，确定所述待测用户在所述最佳聚类结果中所属的聚类类别，得到所述待测用户的负荷曲线类别。

利用预定的有效性指标对所有得到的聚类结果进行评估后，将得到的评估结果进行比对，可以得到在所有聚类结果中选出一个最佳聚类结果，根据得到的聚类结果，可以确定该待测用户在该最佳聚类结果中所属的聚类类别，进而得到该待测用户的负荷曲线类别。

可选的，图3示出了本发明实施例提供的负荷特性分析方法中获取典型负荷曲线的方法流程图，参照图3，该获取典型负荷曲线的方法可以包括：

步骤S300：确定所述待测用户的负荷曲线类别；

为了获取待测用户所属类别的典型负荷曲线，需要先得知待测用户的负荷曲线类别。

步骤S310：确定所述负荷曲线类别内包含的所有用电负荷曲线；

对获取的用电负荷曲线进行聚类后，每个聚类类别都包含有至少一条用电负荷曲线，因此，在获取待测用户所属类别的典型负荷曲线时，需要先确定每个类别内包含的所有用电负荷曲线

步骤S320：根据所述所有用电负荷曲线提取得到一条典型负荷曲线，将所述典型负荷曲线作为所述待测用户的典型负荷曲线。

在对获取的用电负荷曲线进行聚类后，同一个聚类类别内的负荷曲线将具有相同的负荷形态，即，同一个聚类类别内的所有负荷曲线将会高度重合，因此，可以根据同一聚类类别内负荷曲线的高度重合性来分别提取得到每个聚类类别内的典型负荷曲线。

可选的，图4示出了本发明实施例提供的负荷特性分析方法中计算典型负荷曲线与预定外界因素的关联关系，确定典型负荷曲线受各个预定外界因素的影响程度的方法流程图，参照图4，该计算典型负荷曲线与预定外界因素的关联关系，确定典型负荷曲线受各个预定外界因素的影响程度的方法可以包括：

步骤S400：根据预定外界因素建立多元线性回归方程；

可选的，建立的多元线性回归方程可以为：

$\hat{y}=\hat{a}+{\hat{b}}_1{x}_1+{\hat{b}}_2{x}_2+...+{\hat{b}}_k{x}_k;$

其中，为用电量或最大负荷；k为预定外界因素的数目；x_k为第k个外界因素；和均为拟合系数，其中，为第k个外界因素的拟合系数。

步骤S410：对所述多元线性回归方程进行拟合优度检验、方程显著性检验和方程系数显著性检验，分别得到一个检验结果；

可选的，拟合优度检验的可决系数R²可以定义为：

$R^2=\frac{\mathrm{SSR}}{\mathrm{SST}}=1-\frac{\mathrm{SSE}}{\mathrm{SST}};$

其中，SSR为回归平方和，SST为总离差平方和，SSE为残差平方和。

可选的，SSR的计算公式可以为：

$\mathrm{SST}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(y_i-\stackrel{\‾}{y})}^2;$

可选的，SST的计算公式可以为：

$\mathrm{SSR}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{({\hat{y}}_i-\stackrel{\‾}{y})}^2;$

可选的，SSE的计算公式可以为：

$\mathrm{SSE}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(y_i-{\hat{y}}_i)}^2;$

其中，y_i为因变量实际值，为因变量拟合值，为因变量平均值。

可决系数R²的取值在0～1之间，R²越接近1，表明回归拟合的效果越好。

可选的，复相关系数R可以为：

$R=\sqrt{R^2};$

可通过用复相关系数R来衡量所有自变量与随机变量y的线性关系的显著性程度。

F检验主要用来检验自变量x₁,x₂,…，x_k与因变量y之间是否存在显著的线性关系，即方程显著性检验。

可选的，F检验统计量可以为：

$F=\frac{\mathrm{SSR}/k}{\mathrm{SSE}/n-1-k}~F_{\mathrm{\α}/2}(k,n-1-k);$

其中，n为样本的个数。

给定显著性水平，当检验值F大于临界值F_α2(k,n-1-k)时，证明x₁,x₂,…，x_k与y之间线性关系显著。

可选的，还可利用P值检验法进行方程显著性检验。

为剔除次要的、影响不显著的自变量，还要进行对回归方程系数的显著性检验，即参数显著性检验。

可选的，参数限制性检验可以为：

$t_i=\frac{{\hat{b}}_i}{\sqrt{c_{ii}}\mathrm{\σ}};$

其中，

$\mathrm{\σ}=\sqrt{\frac{1}{n-k-1}\underset{i-1}{\overset{n}{\Σ}}{\left(y_i-{\hat{y}}_i\right)}^2};$

c_ii是矩阵(X^TX)^-1[X＝(x₁,x₂,…,x_k)]对角线上第i个元素。

当|t_i|≥t_α2时，认为b_i不显著为0，即自变量x_i对因变量y的线性影响显著。

可选的，还可以利用2倍检验法及P值检验法进行参数显著性检验。

步骤S420：根据所有所述检验结果确定所述典型负荷曲线受各个所述预定外界因素的影响程度。

再对所述多元线性回归方程进行拟合优度检验、方程显著性检验和方程系数显著性检验后，可以分别得到一个检验结果，根据所有检查结果，便可确定获取的典型负荷曲线受各个预定外界因素的影响程度。

本发明实施例提供的负荷特性分析方法，考虑了外界因素对负荷特性的影响，提高了负荷特性分析结果的准确性，既提高了负荷特性分析结果与实 际情况的吻合程度，通过统一的分类方式和规范的负荷特性指标体系来对各地区进行负荷特性分析，在不同时间尺度上和规划上构建用户用电特性的指标，为直观评价用户负荷曲线提供了标准，使各个地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性。

下面对本发明实施例提供的负荷特性分析系统进行介绍，下文描述的负荷特性分析系统与上文描述的负荷特性分析方法可相互对应参照。

图5为本发明实施例提供的负荷特性分析系统的系统框图，参照图5，该负荷特性分析系统可以包括：获取模块100、第一分析模块200、第二分析模块300和综合分析模块400；其中，

获取模块100，用于确定待测用户的负荷曲线类别，获取所述类别的典型负荷曲线；

第一分析模块200，用于利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度；

第二分析模块300，用于构建用电负荷特性指标体系，并根据所述用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值；

综合分析模块400，用于根据所述典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析，得到负荷特性分析结果。

可选的，图6示出了本发明实施例提供的负荷特性分析系统中获取模块100的结构框图，参照图6，该获取模块100可以包括：数据获取单元110、聚类单元120和结果获取单元130；其中，

数据获取单元110，用于获取待测用户所在用电系统内所有用户的用电负荷曲线，确定所述所有用户的用电曲线的所有可能聚类类别数；

聚类单元120，用于将每个所述可能聚类类别数分别作为模糊C-均值聚类算法的聚类类别数，对所述用电负荷曲线进行模糊聚类，分别得到一个聚类结果；

结果获取单元130，用于利用预定的有效性指标对所有得到的聚类结果进行评估，得到最佳聚类结果，确定所述待测用户在所述最佳聚类结果中所属的聚类类别，得到所述待测用户的负荷曲线类别。

可选的，图7示出了本发明实施例提供的负荷特性分析系统中第一分析模块200的结构框图，参照图6，该第一分析模块200可以包括：方程建立单元210、检验单元220和分析单元230；其中，

方程建立单元210，用于根据预定外界因素建立多元线性回归方程；

检验单元220，用于对所述多元线性回归方程进行拟合优度检验、方程显著性检验和方程系数显著性检验，分别得到一个检验结果；

分析单元230，用于根据所有所述检验结果确定所述典型负荷曲线受各个所述预定外界因素的影响程度。

本发明实施例提供的负荷特性分析系统，考虑了外界因素对负荷特性的影响，提高了负荷特性分析结果的准确性，既提高了负荷特性分析结果与实际情况的吻合程度，通过统一的分类方式和规范的负荷特性指标体系来对各地区进行负荷特性分析，在不同时间尺度上和规划上构建用户用电特性的指标，为直观评价用户负荷曲线提供了标准，使各个地区之间可以进行对比分析，降低了分析结果错误、分析结果偏差和指标混淆的可能性。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种负荷特性分析方法，其特征在于，包括：

确定待测用户的负荷曲线类别，获取所述类别的典型负荷曲线；

利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度；

构建用电负荷特性指标体系，并根据所述用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值；

根据所述典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析，得到负荷特性分析结果。

2.根据权利要求1所述的负荷特性分析方法，其特征在于，所述确定待测用户的负荷曲线类别包括：

获取待测用户所在用电系统内所有用户的用电负荷曲线，确定所述所有用户的用电曲线的所有可能聚类类别数；

将每个所述可能聚类类别数分别作为模糊C-均值聚类算法的聚类类别数，对所述用电负荷曲线进行模糊聚类，分别得到一个聚类结果；

利用预定的有效性指标对所有得到的聚类结果进行评估，得到最佳聚类结果，确定所述待测用户在所述最佳聚类结果中所属的聚类类别，得到所述待测用户的负荷曲线类别。

3.根据权利要求2所述的负荷特性分析方法，其特征在于，所述获取所述类别的典型负荷曲线包括：

确定所述待测用户的负荷曲线类别；

确定所述负荷曲线类别内包含的所有用电负荷曲线；

根据所述所有用电负荷曲线提取得到一条典型负荷曲线，将所述典型负荷曲线作为所述待测用户的典型负荷曲线。

4.根据权利要求1所述的负荷特性分析方法，其特征在于，所述利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度包括：

根据预定外界因素建立多元线性回归方程；

对所述多元线性回归方程进行拟合优度检验、方程显著性检验和方程系数显著性检验，分别得到一个检验结果；

根据所有所述检验结果确定所述典型负荷曲线受各个所述预定外界因素的影响程度。

5.根据权利要求4所述的负荷特性分析方法，其特征在于，所述多元线性回归方程为：

$\hat{y}=\hat{a}+{\hat{b}}_1{x}_1+{\hat{b}}_2{x}_2+...+{\hat{b}}_k{x}_k;$

其中，为用电量或最大负荷；k为预定外界因素的数目；x_k为第k个外界因素；和均为拟合系数，其中，为第k个外界因素的拟合系数。

6.根据权利要求1所述的负荷特性分析方法，其特征在于，所述用电负荷特性指标体系为日负荷特性指标、周负荷特性指标、月负荷特性指标、季负荷特性指标或年负荷特性指标或规划型负荷特性指标。

7.根据权利要求6所述的负荷特性分析方法，其特征在于，

所述日负荷特性指标包括：日最大负荷、日最小负荷、日平均负荷、日负荷曲线、日负荷率、日最小负荷率、日峰谷差和日峰谷差率；

所述月负荷特性指标包括：月最大负荷、月最小负荷、月平均日负荷、月平均日负荷率、月最小负荷率和月负荷率；

所述年负荷特性指标包括：年最大负荷、年最小负荷、年最大峰谷差、年负荷曲线、年平均日负荷率、年平均月负荷率、季负荷率、年负荷率和年最大负荷利用小时数；

所述规划型负荷特性指标包括：增长率、增长率变化率和负荷密度。

8.一种负荷特性分析系统，其特征在于，包括：获取模块、第一分析模块、第二分析模块和综合分析模块；其中，

所述获取模块，用于确定待测用户的负荷曲线类别，获取所述类别的典型负荷曲线；

所述第一分析模块，用于利用多元线性回归方程计算所述典型负荷曲线与预定外界因素的关联关系，确定所述典型负荷曲线受各个所述预定外界因素的影响程度；

所述第二分析模块，用于构建用电负荷特性指标体系，并根据所述用电负荷特性指标体系确定所述典型负荷曲线的各个用电负荷特性指标值；

所述综合分析模块，用于根据所述典型负荷曲线受各个所述预定外界因素的影响程度和所述典型负荷曲线的各个用电负荷特性指标值对所述典型负荷曲线特性进行分析，得到负荷特性分析结果。

9.根据权利要求8所述的负荷特性分析系统，其特征在于，所述获取模块包括：数据获取单元、聚类单元和结果获取单元；其中，

所述数据获取单元，用于获取待测用户所在用电系统内所有用户的用电负荷曲线，确定所述所有用户的用电曲线的所有可能聚类类别数；

所述聚类单元，用于将每个所述可能聚类类别数分别作为模糊C-均值聚类算法的聚类类别数，对所述用电负荷曲线进行模糊聚类，分别得到一个聚类结果；

所述结果获取单元，用于利用预定的有效性指标对所有得到的聚类结果进行评估，得到最佳聚类结果，确定所述待测用户在所述最佳聚类结果中所属的聚类类别，得到所述待测用户的负荷曲线类别。

10.根据权利要求8所述的负荷特性分析系统，其特征在于，所述第一分析模块包括：方程建立单元、检验单元和分析单元；其中，

所述方程建立单元，用于根据预定外界因素建立多元线性回归方程；

所述检验单元，用于对所述多元线性回归方程进行拟合优度检验、方程显著性检验和方程系数显著性检验，分别得到一个检验结果；

所述分析单元，用于根据所有所述检验结果确定所述典型负荷曲线受各个所述预定外界因素的影响程度。