CN109242321B - 用户电力负荷在线分析方法及终端设备 - Google Patents

Abstract

本发明提供用户电力负荷在线分析方法及终端设备，方法包括：获取第一预设数量用户的负荷数据，每个用户的负荷数据包含第二预设数量的负荷数据值，并对每个负荷数据值作去均值归一化处理；构建用户负荷矩阵，用户负荷矩阵的每行包含一个用户的去均值归一化处理后的第二预设数量的负荷数据值；求取每列所有用户负荷矩阵的平均值，得到标准负荷矩阵；基于每个用户负荷数据与标准负荷矩阵，构建用户类别评价指数矩阵；对用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户，能够准确地对用户用电负荷进行分析，帅选出用电电力负荷异常的用户，继而规范电力市场，规范客户用电行为。

Description

用户电力负荷在线分析方法及终端设备

技术领域

本发明属于电力大数据技术领域，尤其涉及用户电力负荷在线分析方法及终端设备。

背景技术

当前，供电公司根据客户申请用电时填写的用电类别对用户所属行业、执行电价等进行分类，分类的准确与否，直接影响着有序用电、电费回收等工作。随着电力市场改革不断深入，电价形成机制日益灵活，挖潜增效工作难度越来越大。目前各地区综合电价水平不平衡，电价管理仍有一定的提升空间，高价低接、超容用电等违约用电仍然存在，电价政策体系复杂，电价执行分析需进一步深入。

电力用户数量庞大，尤其是一般工商业，在地域上与普通居民用户毗邻，在负荷上相似，因此无法对用户的用电负荷进行逐个的现场核对，继而导致电价不能准确的执行，因此，为了规范电力市场和规范客户用电行为，亟需一种能够对用户用电负荷进行分析的方法，确定用电电力负荷异常的用户。

发明内容

有鉴于此，本发明实施例提供了用户电力负荷在线分析方法及终端设备，能够准确地对用户用电负荷进行分析，帅选出用电电力负荷异常的用户，继而规范电力市场，规范客户用电行为。

本发明实施例的第一方面提供了一种用户电力负荷在线分析方法，包括：

获取第一预设数量用户的负荷数据，每个用户的负荷数据包含第二预设数量的负荷数据值，并对每个负荷数据值作去均值归一化处理；

构建用户负荷矩阵，所述用户负荷矩阵的每行包含一个用户的去均值归一化处理后的第二预设数量的负荷数据值；

求取每列所有用户负荷矩阵的平均值，得到标准负荷矩阵；

基于每个用户负荷数据与所述标准负荷矩阵，构建用户类别评价指数矩阵；

对所述用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户。

本发明实施例的第二方面提供了一种用户电力负荷在线分析系统，包括：

负荷数据获取模块，用于获取第一预设数量用户的负荷数据，每个用户的负荷数据包含第二预设数量的负荷数据值，并对每个负荷数据值作去均值归一化处理；

用户负荷矩阵构建模块，用于构建用户负荷矩阵，所述用户负荷矩阵的每行包含一个用户的去均值归一化处理后的第二预设数量的负荷数据值；

标准负荷矩阵建立模块，用于求取每列所有用户负荷矩阵的平均值，得到标准负荷矩阵；

用户类别评价指数矩阵构建模块，用于基于每个用户负荷数据与所述标准负荷矩阵，构建用户类别评价指数矩阵；

电力负荷异常用户识别模块，用于对所述用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先获取第一预设数量用户的负荷数据，每个用户的负荷数据包含第二预设数量的负荷数据值，并对每个负荷数据值作去均值归一化处理；根据去均值归一化处理后的负荷数据值，构建用户负荷矩阵，所述用户负荷矩阵的每行包含一个用户的第二预设数量的负荷数据值；求取每列所有用户负荷矩阵的平均值，得到标准负荷矩阵；基于每个用户负荷数据与所述标准负荷矩阵，构建用户类别评价指数矩阵；对所述用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户，能够准确地对用户用电负荷进行分析，帅选出用电电力负荷异常的用户，继而规范电力市场，规范客户用电行为。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的用户电力负荷在线分析方法的流程示意图；

图2为本发明另一实施例提供的用户电力负荷在线分析方法的流程示意图；

图3为本发明再一实施例提供的用户电力负荷在线分析方法的流程示意图；

图4为本申请一实施例提供的用户电力负荷在线分析系统的结构框图；

图5为本发明一实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

参考图1，图1为本发明一实施例提供的用户电力负荷在线分析方法的流程示意图，该方法可以应用到服务器、电脑等终端设备上，所述方法详述如下：

S101：获取第一预设数量用户的负荷数据，每个用户的负荷数据包含第二预设数量的负荷数据值，并对每个负荷数据值作去均值归一化处理。

在本实施例中，用户的负荷数据可以是用户的正向有功功率有效值。第一预设数量和第二预设数量可以根据需求进行设置，这里为了方便描述，将第一预设数量记为n，将第二预设数量记为m。

获取第二预设数量的负荷数据值可以是在一个采集周期内每隔一定时间采集一个负荷数据值，直至采集完第二预设数量的负荷数据值。

在本发明的一个实施例中，所述负荷数据值为正向有功功率值；所述对每个负荷数据值作去均值归一化处理，公式为：

式中，P_i为去均值归一化处理后的正向有功功率值，P′_i为正向有功功率值，

为第二预设数量的负荷数据值的正向有功功率平均值。

S102：构建用户负荷矩阵，所述用户负荷矩阵的每行包含一个用户的去均值归一化处理后的第二预设数量的负荷数据值。

在本实施例中，构建用户负荷矩阵如下：

(2)

式中，P_ci为去均值归一化处理后的用户的负荷数据；P_cij为去均值归一化处理后的负荷数据值；i＝1,2,…n；j＝1,2,…m。

S103：求取每列所有用户负荷矩阵的平均值，得到标准负荷矩阵。

在本实施例中，对公式(2)中的每一列的负荷数据值求和去平均值，得到标准负荷矩阵，如下：

P_s＝[P_s1,P_s2,…P_sm] (3)

其中：

i＝1,2,…n，j＝1,2,…m。

S104：基于每个用户负荷数据与标准负荷矩阵，构建用户类别评价指数矩阵。

在本实施例中，每个用户负荷数据与标准负荷矩阵构建相关性矩阵、偏差矩阵和夹角矩阵，并基于相关性矩阵、偏差矩阵和夹角矩阵构建用户类别评价指数矩阵。

S105：对用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户。

在本实施例中，可以将归一化处理后的用户类别评价指数矩阵中的用户类别评价指数与预存的阈值进行比较，判断对应的用户是否为异常用电。

从上述描述可知，本实施例首先获取第一预设数量用户的负荷数据，每个用户的负荷数据包含第二预设数量的负荷数据值，并对每个负荷数据值作去均值归一化处理；根据去均值归一化处理后的负荷数据值，构建用户负荷矩阵，所述用户负荷矩阵的每行包含一个用户的第二预设数量的负荷数据值；求取每列所有用户负荷矩阵的平均值，得到标准负荷矩阵；基于每个用户负荷数据与所述标准负荷矩阵，构建用户类别评价指数矩阵；对所述用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户，能够准确地对用户用电负荷进行分析，帅选出用电电力负荷异常的用户，继而规范电力市场，规范客户用电行为。

参考图2，图2为本发明另一实施例提供的用户电力负荷在线分析方法的流程示意图，在上述实施例的基础上，上述步骤S104具体详述如下：

S201：计算每个用户负荷数据与标准负荷矩阵的相关指数，得到相关性矩阵。

具体地，所述计算每个用户负荷数据与所述标准负荷矩阵的相关指数，得到相关性矩阵，公式为：

R(P_s,P_ci)＝[R_s1,R_s2,…R_sn]^T (4)

其中：

i＝1,2,…n，j＝1,2,…m；

式中，R_si为相关指数，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，

为标准负荷矩阵中m个元素的求和平均值，

为m个用户负荷数据的求和平均值，P_sj为标准负荷矩阵中的各元素，P_cij为每个用户负荷数据中的负荷数据值， n为第一预设数量，m为第二预设数量。

S202：计算每个用户负荷数据与标准负荷矩阵的偏差，得到偏差矩阵。

具体地，所述计算每个用户负荷数据与所述标准负荷矩阵的偏差，得到偏差矩阵，公式为：

D(P_s,P_ci)＝[D_s1,D_s2,…D_sn]^T (5)

其中：

i＝1,2,…n，j＝1,2,…m。；

式中，D_si为偏差，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量。

S203：计算每个用户负荷数据与标准负荷矩阵的夹角，得到夹角矩阵。

具体地，所述计算每个用户负荷数据与所述标准负荷矩阵的夹角，得到夹角矩阵，公式为：

C(P_s,P_c)＝[C_s1,C_s2,…C_sn]^T (6)

其中：

i＝1,2,…n，j＝1,2,…m；

式中，C_si为夹角，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量。

S204：基于相关性矩阵、偏差矩阵和夹角矩阵，构建用户类别评价指数矩阵。

具体地，所述基于所述相关性矩阵、偏差矩阵和所述夹角矩阵，构建用户类别评价指数矩阵，公式为：

E(P_s,P_c)＝[E_s1,E_s2,…E_sn]^T (7)

其中：

i＝1,2,…n；

式中，E_i为用户类别评价指数矩阵中的评价指数，R_si为相关指数，D_si为偏差，C_si为夹角，n为第一预设数量。

参考图3，在本发明的一个实施例中，上述步骤S105具体如下：

S301：获取归一化处理后的用户评价类别评价指数矩阵E(P_s,P_c)′中各归一化处理后的评价指数E_si′。

S302：判断每个归一化处理后的评价指数E_si′是否小于或等于预设的评价阈值。

S303：若任一归一化处理后的评价指数E_si′是否小于或等于预设的评价阈值，则确定该评价指数E_si′对应的用户电力负荷为异常。

在本实施例中，预设的评价阈值可以根据需求进行设计。可选地，预设的评价阈值为0.1。

从上述描述可以，通过设置预设的评价阈值，对每个归一化处理后的评价指数进行判断，能够准确将用户电力负荷的用户分析出来，提高了分析结果的准确性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于上文实施例的用户电力负荷在线分析方法，图4为本申请一实施例提供的用户电力负荷在线分析系统的结构框图。为了便于说明，仅示出了与本申请实施例相关的部分。参考图4，该系统包括：负荷数据获取模块401、用户负荷矩阵构建模块402、标准负荷矩阵建立模块403、用户类别评价指数矩阵构建模块404和电力负荷异常用户识别模块405。

负荷数据获取模块401，用于获取第一预设数量用户的负荷数据，每个用户的负荷数据包含第二预设数量的负荷数据值，并对每个负荷数据值作去均值归一化处理；

用户负荷矩阵构建模块402，用于构建用户负荷矩阵，所述用户负荷矩阵的每行包含一个用户的去均值归一化处理后的第二预设数量的负荷数据值；

标准负荷矩阵建立模块403，用于求取每列所有用户负荷矩阵的平均值，得到标准负荷矩阵；

用户类别评价指数矩阵构建模块404，用于基于每个用户负荷数据与所述标准负荷矩阵，构建用户类别评价指数矩阵；

电力负荷异常用户识别模块405，用于对所述用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户。

参考图4，在本发明的一个实施例中，所述用户类别评价指数矩阵构建模块404，包括：

相关性矩阵计算单元4041，用于计算每个用户负荷数据与所述标准负荷矩阵的相关指数，得到相关性矩阵；

偏差矩阵计算单元4042，用于计算每个用户负荷数据与所述标准负荷矩阵的偏差，得到偏差矩阵；

夹角矩阵计算单元4043，用于计算每个用户负荷数据与所述标准负荷矩阵的夹角，得到夹角矩阵；

用户类别评价指数矩阵构建单元4044，用于基于所述相关性矩阵、偏差矩阵和所述夹角矩阵，构建用户类别评价指数矩阵。

所述相关性矩阵计算单元4041，具体用于计算每个用户负荷数据与所述标准负荷矩阵的相关指数，得到相关性矩阵，公式为：

R(P_s,P_ci)＝[R_s1,R_s2,…R_sn]^T

其中：

i＝1,2,…n，j＝1,2,…m；

式中，R_si为相关指数，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，

为标准负荷矩阵中m个元素的求和平均值，

为m个用户负荷数据的求和平均值，P_sj为标准负荷矩阵中的各元素，P_cij为每个用户负荷数据中的负荷数据值， n为第一预设数量，m为第二预设数量。

所述偏差矩阵计算单元4042，具体用于计算每个用户负荷数据与所述标准负荷矩阵的偏差，得到偏差矩阵，公式为：

D(P_s,P_ci)＝[D_s1,D_s2,…D_sn]^T

其中：

i＝1,2,…n，j＝1,2,…m。；

式中，D_si为偏差，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量。

所述夹角矩阵计算单元4043，具体用于计算每个用户负荷数据与所述标准负荷矩阵的夹角，得到夹角矩阵，公式为：

C(P_s,P_c)＝[C_s1,C_s2,…C_sn]^T

其中：

i＝1,2,…n，j＝1,2,…m；

式中，C_si为夹角，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量。

所述用户类别评价指数矩阵构建单元4044，具体用于基于所述相关性矩阵、偏差矩阵和所述夹角矩阵，构建用户类别评价指数矩阵，公式为：

E(P_s,P_c)＝[E_s1,E_s2,…E_sn]^T

其中：

i＝1,2,…n；

式中，E_i为用户类别评价指数矩阵中的评价指数，R_si为相关指数，D_si为偏差，C_si为夹角，n为第一预设数量。

在本发明的一个实施例中，所述负荷数据获取模块401，用于所述负荷数据值为正向有功功率值；所述对每个负荷数据值作去均值归一化处理，公式为：

式中，P_i为去均值归一化处理后的正向有功功率值，P′_i为正向有功功率值，

为第二预设数量的负荷数据值的正向有功功率平均值。

在本发明的一个实施例中，所述电力负荷异常用户识别模块405，具体用于对所述用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，公式为：

E(P_s,P_c)′＝[E_s1′,E_s2′,…E_sn′]^T

其中：

i＝1,2,…n；

式中，E_si′归一化处理后的评价指数，min(E_s)为E_s各元素中的最小值， max(E_s)为E_s各元素中的最大值。

所述电力负荷异常用户识别模块405，还用于基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户，包括：

获取归一化处理后的用户类别评价指数矩阵E(P_s,P_c)′中各归一化处理后的评价指数E_si′；

判断每个归一化处理后的评价指数E_si′是否小于或等于预设的评价阈值；

若任一归一化处理后的评价指数E_si′是否小于或等于预设的评价阈值，则确定该评价指数E_si′对应的用户电力负荷为异常。

图5为本发明一实施例提供的终端设备的示意图。如图5所示，该实施例的终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如用户电力负荷在线分析程序。所述处理器50执行所述计算机程序52时实现上述各个用户电力负荷在线分析方法实施例中的步骤，例如图1所示的步骤101至105。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图5 所示模块401至405的功能。

示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。例如，所述计算机程序52可以被分割成负荷数据获取模块401、用户负荷矩阵构建模块402、标准负荷矩阵建立模块403、用户类别评价指数矩阵构建模块404和电力负荷异常用户识别模块405。

所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的示例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5 的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (5)

1.一种用户电力负荷在线分析方法，其特征在于，包括：

获取第一预设数量用户的负荷数据，每个用户的负荷数据包含第二预设数量的负荷数据值，并对每个负荷数据值作去均值归一化处理；

构建用户负荷矩阵，所述用户负荷矩阵的每行包含一个用户的去均值归一化处理后的第二预设数量的负荷数据值；

求取每列所有用户负荷矩阵的平均值，得到标准负荷矩阵；

基于每个用户负荷数据与所述标准负荷矩阵，构建用户类别评价指数矩阵；

对所述用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户；

所述基于每个用户负荷数据与所述标准负荷矩阵，构建用户类别评价指数矩阵，包括：

计算每个用户负荷数据与所述标准负荷矩阵的相关指数，得到相关性矩阵；

计算每个用户负荷数据与所述标准负荷矩阵的偏差，得到偏差矩阵；

计算每个用户负荷数据与所述标准负荷矩阵的夹角，得到夹角矩阵；

基于所述相关性矩阵、偏差矩阵和所述夹角矩阵，构建用户类别评价指数矩阵；

所述计算每个用户负荷数据与所述标准负荷矩阵的相关指数，得到相关性矩阵，公式为：

R(P_s,P_ci)＝[R_s1,R_s2,…R_sn]^T

其中：

式中，R_si为相关指数，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，

为标准负荷矩阵中m个元素的求和平均值，

为m个用户负荷数据的求和平均值，P_sj为标准负荷矩阵中的各元素，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量；

所述计算每个用户负荷数据与所述标准负荷矩阵的偏差，得到偏差矩阵，公式为：

D(P_s,P_ci)＝[D_s1,D_s2,…D_sn]^T

其中：

式中，D_si为偏差，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量；

所述计算每个用户负荷数据与所述标准负荷矩阵的夹角，得到夹角矩阵，公式为：

C(P_s,P_c)＝[C_s1,C_s2,…C_sn]^T

其中：

式中，C_si为夹角，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量；

所述基于所述相关性矩阵、偏差矩阵和所述夹角矩阵，构建用户类别评价指数矩阵，公式为：

E(P_s,P_c)＝[E_s1,E_s2,…E_sn]^T

其中：

式中，E_i为用户类别评价指数矩阵中的评价指数，R_si为相关指数，D_si为偏差，C_si为夹角，n为第一预设数量；

所述基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户，包括：

将归一化处理后的用户类别评价指数矩阵中的用户类别评价指数与预存阈值进行比较，判断对应用户是否为异常用电。

2.如权利要求1所述的用户电力负荷在线分析方法，其特征在于，所述负荷数据值为正向有功功率值；所述对每个负荷数据值作去均值归一化处理，公式为：

式中，P_i为去均值归一化处理后的正向有功功率值，P′_i为正向有功功率值，

为第二预设数量的负荷数据值的正向有功功率平均值。

3.一种用户电力负荷在线分析系统，其特征在于，包括：

负荷数据获取模块，用于获取第一预设数量用户的负荷数据，每个用户的负荷数据包含第二预设数量的负荷数据值，并对每个负荷数据值作去均值归一化处理；

用户负荷矩阵构建模块，用于构建用户负荷矩阵，所述用户负荷矩阵的每行包含一个用户的去均值归一化处理后的第二预设数量的负荷数据值；

标准负荷矩阵建立模块，用于求取每列所有用户负荷矩阵的平均值，得到标准负荷矩阵；

用户类别评价指数矩阵构建模块，用于基于每个用户负荷数据与所述标准负荷矩阵，构建用户类别评价指数矩阵；

电力负荷异常用户识别模块，用于对所述用户类别评价指数矩阵进行归一化处理，并基于归一化处理后的用户类别评价指数矩阵，确定电力负荷异常的用户；

所述用户类别评价指数矩阵构建模块包括：

相关性矩阵计算单元，用于计算每个用户负荷数据与所述标准负荷矩阵的相关指数，得到相关性矩阵；

偏差矩阵计算单元，用于计算每个用户负荷数据与所述标准负荷矩阵的偏差，得到偏差矩阵；

夹角矩阵计算单元，用于计算每个用户负荷数据与所述标准负荷矩阵的夹角，得到夹角矩阵；

用户类别评价指数矩阵构建单元，用于基于所述相关性矩阵、偏差矩阵和所述夹角矩阵，构建用户类别评价指数矩阵；

所述相关性矩阵计算单元，公式为：

R(P_s,P_ci)＝[R_s1,R_s2,…R_sn]^T

其中：

式中，R_si为相关指数，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，

为标准负荷矩阵中m个元素的求和平均值，

为m个用户负荷数据的求和平均值，P_sj为标准负荷矩阵中的各元素，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量；

所述偏差矩阵计算单元，公式为：

D(P_s,P_ci)＝[D_s1,D_s2,…D_sn]^T

其中：

式中，D_si为偏差，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量；

所述夹角矩阵计算单元，公式为：

C(P_s,P_c)＝[C_s1,C_s2,…C_sn]^T

其中：

式中，C_si为夹角，P_s为标准负荷矩阵，P_ci为每个用户负荷数据，P_cij为每个用户负荷数据中的负荷数据值，n为第一预设数量，m为第二预设数量；

所述用户类别评价指数矩阵构建单元，公式为：

E(P_s,P_c)＝[E_s1,E_s2,…E_sn]^T

其中：

式中，E_i为用户类别评价指数矩阵中的评价指数，R_si为相关指数，D_si为偏差，C_si为夹角，n为第一预设数量；

所述电力负荷异常用户识别模块包括：

将归一化处理后的用户类别评价指数矩阵中的用户类别评价指数与预存阈值进行比较，判断对应用户是否为异常用电。

4.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2任一项所述方法的步骤。

5.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述方法的步骤。

Images