CN110689250A - 一种用户用电数据的处理方法、系统及计算机可读介质 - Google Patents

一种用户用电数据的处理方法、系统及计算机可读介质 Download PDF

Info

Publication number
CN110689250A
CN110689250A CN201910890007.8A CN201910890007A CN110689250A CN 110689250 A CN110689250 A CN 110689250A CN 201910890007 A CN201910890007 A CN 201910890007A CN 110689250 A CN110689250 A CN 110689250A
Authority
CN
China
Prior art keywords
electric quantity
quantity data
optimized
average value
discrete coefficient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910890007.8A
Other languages
English (en)
Other versions
CN110689250B (zh
Inventor
李颖杰
史纪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN201910890007.8A priority Critical patent/CN110689250B/zh
Publication of CN110689250A publication Critical patent/CN110689250A/zh
Application granted granted Critical
Publication of CN110689250B publication Critical patent/CN110689250B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种用户用电数据的处理方法、系统和计算机可读介质，其中，该方法包括如下步骤：以周为单位，采集用户每天的电量数据，连续采集设定次数个单位；计算相同时间点的电量数据的平均值和离散系数；判断所述离散系数是否大于设定的离散系数阈值，若大于所述离散系数阈值，则对所述离散系数对应的相同时间点的电量数据进行优化，根据优化后的电量数据计算相同时间点的电量数据的优化平均值；根据所述优化平均值获得用户典型电量曲线。该方法提升了用户典型电量曲线的准确度，在一定程度上为企业的用户画像提供了更加合理科学的数据支撑。

Description

一种用户用电数据的处理方法、系统及计算机可读介质
技术领域
本发明涉及电力数据处理技术领域，尤其涉及一种用户用电数据的处理方法、系统及计算机可读介质。
背景技术
随着国家能源产业结构的调整与升级、城市化进程的推进、电力市场化改革的深入深化，我国工商企业的用电需求、用电结构、用电策略都有了新的调整，提升能源效率、降低用能成本已成为企业发展关注的焦点，购售电、节能、代运代维等众多综合能源服务正在广泛的被大众接受与应用。综合能源服务公司需要精准、高效的对客户用电曲线进行总体了解与把握，以便快速进行差异化综合能源服务方案的量身定制，传统的电量分析一般采用平均电量曲线、电量累计曲线等简单方式，无法直观准确的体现用户总体用电的特征。
发明内容
本发明所要解决的技术问题在于，提供一种用户用电数据的处理方法、系统及计算机可读介质，以提升用户典型电量曲线的准确度。
为了解决上述技术问题，本发明提供一种用户用电数据的处理方法，包括如下步骤：
以周为单位，采集用户每天的电量数据，连续采集设定次数个单位；
计算相同时间点的电量数据的平均值和离散系数；
判断所述离散系数是否大于设定的离散系数阈值，若大于所述离散系数阈值，则对所述离散系数对应的相同时间点的电量数据进行优化，根据优化后的电量数据计算相同时间点的电量数据的优化平均值；
根据所述优化平均值获得用户典型电量曲线。
进一步地，所述计算相同时间点的电量数据的平均值和离散系数具体包括：
将所述设定次数个周一电量数据构成第一电量数据组，根据所述第一电量数据组计算对应的第一平均值和第一离散系数；
将所述设定次数个周二电量数据构成第二电量数据组，根据所述第二电量数据组计算对应的第二平均值和第二离散系数；
将所述设定次数个周三电量数据构成第三电量数据组，根据所述第三电量数据组计算对应的第三平均值和第三离散系数；
将所述设定次数个周四电量数据构成第四电量数据组，根据所述第四电量数据组计算对应的第四平均值和第四离散系数；
将所述设定次数个周五电量数据构成第五电量数据组，根据所述第五电量数据组计算对应的第五平均值和第五离散系数；
将所述设定次数个周六电量数据构成第六电量数据组，根据所述第六电量数据组计算对应的第六平均值和第六离散系数；
将所述设定次数个周日电量数据构成第七电量数据组，根据所述第七电量数据组计算对应的第七平均值和第七离散系数。
进一步地，所述判断所述离散系数是否大于设定的离散系数阈值，若大于所述离散系数阈值，则对所述离散系数对应的相同时间点的电量数据进行优化，根据优化后的电量数据计算相同时间点的电量数据的优化平均值具体包括：
将每一离散系数与设定的离散系数阈值进行比较，获得离散系数大于所述离散系数阈值的离散系数对应的电量数据组；
计算离散系数大于所述离散系数阈值的离散系数对应的电量数据组中的每一用户电量数据与平均电量之间的距离值；获得每一离散系数中的最大距离值；
对所述最大距离值对应的用户电量数据进行优化，获得优化后的电量数据；
利用所述优化后的电量数据代替所述最大距离值对应的用户电量数据，获得优化后的电量数据组，计算优化后的电量数据组的优化平均值和优化离散系数；
判断所述优化离散系数是否大于所述离散系数阈值，若不是，则所述优化平均值为所述同时间电量的最终平均值，否则，继续按照前述的优化方式进行优化，直至优化离散系数小于离散系数阈值，最后一个离散系数对应的优化平均值为所述电量数据组的最终平均值。
进一步地，所述计算离散系数大于所述离散系数阈值的离散系数对应的电量数据组中的每一用户电量数据与平均电量之间的距离值具体包括：
Dj＝|Qj-Q平均|
其中，Dj为所述对应的电量数据组中第j个用户电量数据与平均值之间的距离值，Qj为所述对应的电量数据组中的第j个用户电量数据，Q平均为所述对应的电量数据组中各用户电量的平均值。
进一步地，所述对所述最大距离值对应的电量数据进行优化，获得优化后的电量数据具体包括：
Figure BDA0002208407470000031
其中，Qi max为所述最大距离值对应的电量数据优化后的用户电量数据，Q大为最大距离值对应的用户电量数据，n为所述最大距离值对应的用户电量数据所在的电量数据组中用户电量数据的个数，Qk为所述对应的最大距离值对应的用户电量数据所在的电量数据组中的第k个用户电量数据。
进一步地，所述计算优化后的电量数据组的优化离散系数具体包括：
其中，ak为优化后电量数据组的优化离散系数，qi为优化后的电量数据组中的第 i个电量数据，q平均为优化后的平均值。
进一步地，所述根据所述优化平均值获得用户典型电量曲线具体包括：
根据经过优化的电量数据组的最终平均值和优化前离散系数小于离散系数阈值的电力数据的平均值绘制所述典型的电量曲线。
本发明还提供一种用户用电数据的处理系统，包括：
采集单元，用于以周为单位，采集用户每天的电量数据，连续采集设定次数个单位；
计算单元，用于计算相同时间点的电量数据的平均值和离散系数；
判断单元，用于判断所述离散系数是否大于设定的离散系数阈值；
优化单元，若大于所述离散系数阈值，则用于对所述离散系数对应的相同时间点的电量数据进行优化，根据优化后的电量数据计算相同时间点的电量数据的优化平均值；
典型电量曲线生成单元，用于根据所述优化平均值获得用户典型电量曲线。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述方法的步骤。
本发明实施例的有益效果在于：本发明的用户用电数据处理方法，通过以周为单位，采集用户电量数据，计算同一时间的用户电量数据的平均值和离散系数，通过将离散系数与设定的离散系数阈值进行对比，对大于离散系数阈值的同一时间的电量数据进行优化，获取优化后的同一时间的用户电量数据的优化平均值，根据优化平均值绘制典型曲线。本发明实施例的方法提升了用户典型电量曲线的准确度，在一定程度上为企业的用户画像提供了更加合理科学的数据支撑。
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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一种的用户用电数据处理方法的流程示意图。
图2是本发明的用户用电数据处理方法获得典型电量曲线的对比图。
具体实施方式
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
以下参照图1所示，本发明实施例一提供一种用户用电数据的处理方法，包括如下步骤：
S1、以周为单位，采集用户每天的电量数据，连续采集设定次数个单位。
以周为单位收集用户每天的电量数据，比如，收集7个单位的散点数据，获得的数据如下：
周一电量 周二电量 周三电量 周四电量 周五电量 周六电量 周日电量
第一周 30 125 142 180 120 120 45
第二周 124 135 142 180 114 113 17
第三周 120 145 142 150 112 112 15
第四周 135 145 142 180 111 56 12
第五周 50 124 124 180 180 85 12
第六周 140 124 142 180 89 45 12
第七周 130 142 150 160 98 23 14
需要说明的是，在该实施例中，并不限定设定次数为7个单位时间。样本数据量越大，经过处理后的典型电量曲线也就越精确。
S2、计算相同时间点的电量数据的平均值和离散系数。
具体地，所述设定次数个周一电量数据构成第一电量数据组，根据所述第一电量数据组计算对应的第一平均值和第一离散系数；所述设定次数个周二电量数据构成第二电量数据组，根据所述第二电量数据组计算对应的第二平均值和第二离散系数；所述设定次数个周三电量数据构成第三电量数据组，根据所述第三电量数据组计算对应的第三平均值和第三离散系数；所述设定次数个周四电量数据构成第四电量数据组，根据所述第四电量数据组计算对应的第四平均值和第四离散系数；所述设定次数个周五电量数据构成第五电量数据组，根据所述第五电量数据组计算对应的第五平均值和第五离散系数；所述设定次数个周六电量数据构成第六电量数据组，根据所述第六电量数据组计算对应的第六平均值和第六离散系数；所述设定次数个周日电量数据构成第七电量数据组，根据所述第七电量数据组计算对应的第七平均值和第七离散系数。
假设采样单位为7，即对7个星期的用户电量进行采样，根据七个周一电量可以获得第一平均值和第一离散系数，可以采用相同的办法获得第二至第七平均值以及第二至第七离散系数。
其中，计算平均值的公式为
Figure BDA0002208407470000061
其中计算离散系数的公式为：
Figure BDA0002208407470000062
ak为第k组电量数据组的离散系数，k为周一、周二、周三、周四、周五、周六、周日中的某一天；Qi为第k组电量数据组中的第i个电量数据；Q平均为第k组电量数据组的平均电量。通过计算，可以得出对应的平均值和离散系数如下表所示。
离散系数越小，说明这一天的电量数据越集中，说明该天的电量数据有规律，平均值具有典型代表意义。
S3、判断所述离散系数是否大于设定的离散系数阈值，若大于所述离散系数阈值，则对所述离散系数对应的相同时间点的电量数据进行优化，根据优化后的电量数据计算相同时间点的电量数据的优化平均值。
对离散系数进行分析，离散系数越大说明电量数据相对分散，平均值不具备典型代表意义，为了更好的获得用户的电量典型曲线，对离散系数比较大的电量数据进行优化处理，具体的优化方法如下：
S31、将每一离散系数与设定的离散系数阈值进行比较，获得离散系数大于所述离散系数阈值的离散系数对应的电量数据组。
具体地，离散系数阈值为0.1。需要说明的是，离散系数阈值可以根据管理的要求进行调整。当离散系数阈值大于0.1时，可以看出，第一平均系数、第五平均系数、第六平均系数和第七平均系数均大于系数阈值，则获取所有的周一电量形成电量数据组、所有的周五电量形成电量数据组、周六电量形成电量数据组、周日电量形成电量数据组。
S32、计算离散系数大于所述离散系数阈值的离散系数对应的电量数据组中的每一用户电量与平均电量之间的距离值；获得每一离散系数中的最大距离值，对所述最大距离值对应的电量数据进行优化，获得优化后的电量数据。
具体地，以周一电量数据组为例进行说明。计算周一电量数据组中每一电量数据与平均值之间的距离D1j，D1j＝|Q1j-Q1|，其中，D1j为周一电量数据组中的第j个电量数据与平均值之间的距离，Q1j为周一电量数据组中的第j.个电量数据，Q1为周一电量数据组的平均值。通过上述距离计算公式，可以获得周一电量数据组中各电量数据对应的距离值分别为：D11＝74.14，D12＝19.86，D13＝15.86， D14＝30.86，D15＝54.14，D16＝35.86，D17＝25.86，从上述距离值可以看出，D11最大，因而选出D11对应的电量数据30。
S33、利用所述优化后的电量数据代替所述最大距离值对应的用户电量数据，获得优化后的电量数据组，计算优化后的电量数据组的优化平均值和优化离散系数，判断所述优化离散系数是否大于所述离散系数阈值，若不是，则所述优化平均值为所述同时间电量的最终平均值，否则，继续按照前述的优化方式进行优化，直至优化离散系数小于离散系数阈值，最后一个离散系数对应的优化平均值为所述同时间电量的最终平均值。
具体地，优化公式为：
其中，Qi max为最大距离值对应的电量数据优化后的电量数据，Q大为最大距离值对应的电量数据，n为所述设定次数，Qk为所述最大距离值对应的电量数据组中的第k个电量数据。
仍以周一电量数据为例，最大距离值对应的电量数据为30，周一电量数据组为(30，124，120，135，50，140，130)，因而最大距离对应的优化后的电量数据为：
Figure BDA0002208407470000072
用优化后的电量数据代替最大阈值对应的电量数据，然后计算周一电量数据组的平均值和离散阈值，判断利用优化后的电量数据代替最大距离值对应的电量数据后形成的优化用户电量数据组的离散阈值是否小于离散系数阈值，若小于，则所述优化后的用户电量数据组的平均值为最终的平均值，否则继续按照前述的方法，继续优化，直至优化后的离散系数小于离散系数阈值为止。
优化后的电量数据组的的平均值和离散系数的具体算法可以参照步骤S2所示，所有的电量数据组的最终平均值和对应的离散系数具体如下：
S4、根据所述优化平均值获得用户典型电量曲线。
具体地，获取同时间点的电量数据的优化平均值，根据所述优化平均值绘制典型的电量曲线。
如表4所示，所述优化后的平均值如下所示。根据优化后的平均值获得的典型电量曲线如图2所示，从图中可以看出，优化后的典型曲线更具有典型代表意义。
Figure BDA0002208407470000082
本发明实施例的用户用电数据处理方法，通过以周为单位，采集用户电量数据，计算同一时间的用户电量数据的平均值和离散系数，通过将离散系数与设定的离散系数阈值进行对比，对大于离散系数阈值的同一时间的电量数据进行优化，获取优化后的同一时间的用户电量数据的优化平均值，根据优化平均值绘制典型曲线。本发明实施例的方法提升了用户典型电量曲线的准确度，在一定程度上为企业的用户画像提供了更加合理科学的数据支撑。
基于本发明实施例一，本发明实施例二提供一种用户用电数据处理系统，包括：
采集单元，用于以周为单位，采集用户每天的电量数据，连续采集设定次数个单位；
计算单元，用于计算相同时间点的电量数据的平均值和离散系数；
判断单元，用于判断所述离散系数是否大于设定的离散系数阈值；
优化单元，若大于所述离散系数阈值，则用于对所述离散系数对应的相同时间点的电量数据进行优化，根据优化后的电量数据计算相同时间点的电量数据的优化平均值；
典型电量曲线生成单元，用于根据所述优化平均值获得用户典型电量曲线。
基于本发明实施例一，本发明实施例三提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述方法的步骤。
有关本实施例的工作原理以及所带来的有益效果请参照本发明实施例一的说明，此处不再赘述。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (9)

1.一种用户用电数据的处理方法，其特征在于，包括如下步骤：
以周为单位，采集用户每天的电量数据，连续采集设定次数个单位；
计算相同时间点的电量数据的平均值和离散系数；
判断所述离散系数是否大于设定的离散系数阈值，若大于所述离散系数阈值，则对所述离散系数对应的相同时间点的电量数据进行优化，根据优化后的电量数据计算相同时间点的电量数据的优化平均值；
根据所述优化平均值获得用户典型电量曲线。
2.根据权利要求1所述的处理方法，其特征在于，所述计算相同时间点的电量数据的平均值和离散系数具体包括：
将所述设定次数个周一电量数据构成第一电量数据组，根据所述第一电量数据组计算对应的第一平均值和第一离散系数；
将所述设定次数个周二电量数据构成第二电量数据组，根据所述第二电量数据组计算对应的第二平均值和第二离散系数；
将所述设定次数个周三电量数据构成第三电量数据组，根据所述第三电量数据组计算对应的第三平均值和第三离散系数；
将所述设定次数个周四电量数据构成第四电量数据组，根据所述第四电量数据组计算对应的第四平均值和第四离散系数；
将所述设定次数个周五电量数据构成第五电量数据组，根据所述第五电量数据组计算对应的第五平均值和第五离散系数；
将所述设定次数个周六电量数据构成第六电量数据组，根据所述第六电量数据组计算对应的第六平均值和第六离散系数；
将所述设定次数个周日电量数据构成第七电量数据组，根据所述第七电量数据组计算对应的第七平均值和第七离散系数。
3.根据权利要求2所述的处理方法，其特征在于，所述判断所述离散系数是否大于设定的离散系数阈值，若大于所述离散系数阈值，则对所述离散系数对应的相同时间点的电量数据进行优化，根据优化后的电量数据计算相同时间点的电量数据的优化平均值具体包括：
将每一离散系数与设定的离散系数阈值进行比较，获得离散系数大于所述离散系数阈值的离散系数对应的电量数据组；
计算离散系数大于所述离散系数阈值的离散系数对应的电量数据组中的每一用户电量数据与平均电量之间的距离值；获得每一离散系数中的最大距离值；
对所述最大距离值对应的用户电量数据进行优化，获得优化后的电量数据；
利用所述优化后的电量数据代替所述最大距离值对应的用户电量数据，获得优化后的电量数据组，计算优化后的电量数据组的优化平均值和优化离散系数；
判断所述优化离散系数是否大于所述离散系数阈值，若不是，则所述优化平均值为所述同时间电量的最终平均值，否则，继续按照前述的优化方式进行优化，直至优化离散系数小于离散系数阈值，最后一个离散系数对应的优化平均值为所述电量数据组的最终平均值。
4.根据权利要求3所述的处理方法，其特征在于，所述计算离散系数大于所述离散系数阈值的离散系数对应的电量数据组中的每一用户电量数据与平均电量之间的距离值具体包括：
Dj＝|Qj-Q平均|
其中，Dj为所述对应的电量数据组中第j个用户电量数据与平均值之间的距离值，Qj为所述对应的电量数据组中的第j个用户电量数据，Q平均为所述对应的电量数据组中各用户电量的平均值。
5.根据权利要求3所述的处理方法，其特征在于，所述对所述最大距离值对应的电量数据进行优化，获得优化后的电量数据具体包括：
Figure FDA0002208407460000021
其中，Qimax为所述最大距离值对应的电量数据优化后的用户电量数据，Q大为最大距离值对应的用户电量数据，n为所述最大距离值对应的用户电量数据所在的电量数据组中用户电量数据的个数，Qk为所述对应的最大距离值对应的用户电量数据所在的电量数据组中的第k个用户电量数据。
6.根据权利要求5所述的处理方法，其特征在于，所述计算优化后的电量数据组的优化离散系数具体包括：
其中，ak为优化后电量数据组的优化离散系数，qi为优化后的电量数据组中的第i个电量数据，q平均为优化后的平均值。
7.根据权利要求6所述的处理方法，其特征在于，所述根据所述优化平均值获得用户典型电量曲线具体包括：
根据经过优化的电量数据组的最终平均值和优化前离散系数小于离散系数阈值的电力数据的平均值绘制所述典型的电量曲线。
8.一种用户用电数据的处理系统，其特征在于，包括：
采集单元，用于以周为单位，采集用户每天的电量数据，连续采集设定次数个单位；
计算单元，用于计算相同时间点的电量数据的平均值和离散系数；
判断单元，用于判断所述离散系数是否大于设定的离散系数阈值；
优化单元，若大于所述离散系数阈值，则用于对所述离散系数对应的相同时间点的电量数据进行优化，根据优化后的电量数据计算相同时间点的电量数据的优化平均值；
典型电量曲线生成单元，用于根据所述优化平均值获得用户典型电量曲线。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述方法的步骤。
CN201910890007.8A 2019-09-20 2019-09-20 一种用户用电数据的处理方法、系统及计算机可读介质 Active CN110689250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910890007.8A CN110689250B (zh) 2019-09-20 2019-09-20 一种用户用电数据的处理方法、系统及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910890007.8A CN110689250B (zh) 2019-09-20 2019-09-20 一种用户用电数据的处理方法、系统及计算机可读介质

Publications (2)

Publication Number Publication Date
CN110689250A true CN110689250A (zh) 2020-01-14
CN110689250B CN110689250B (zh) 2023-04-14

Family

ID=69109632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910890007.8A Active CN110689250B (zh) 2019-09-20 2019-09-20 一种用户用电数据的处理方法、系统及计算机可读介质

Country Status (1)

Country Link
CN (1) CN110689250B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070236835A1 (en) * 2006-03-31 2007-10-11 Fujifilm Corporation Magnetic recording medium
CN105260803A (zh) * 2015-11-06 2016-01-20 国家电网公司 一种系统用电量预测方法
CN105653670A (zh) * 2015-12-29 2016-06-08 中国电力科学研究院 一种基于流形学习聚类算法的智能用电数据挖掘方法
CN107144234A (zh) * 2017-04-21 2017-09-08 南京理工大学 一种城轨车辆轮对踏面轮廓拟合方法
CN108828375A (zh) * 2018-08-17 2018-11-16 国网江苏省电力有限公司电力科学研究院 基于双回路智能电能表的空调用电监控系统及监控方法
CN109508820A (zh) * 2018-11-01 2019-03-22 上海理工大学 基于差异化建模的校园用电量预测建模方法
CN109726472A (zh) * 2018-12-28 2019-05-07 华北电力大学（保定） 一种将离散数据转换为连续数据的曲线拟合方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070236835A1 (en) * 2006-03-31 2007-10-11 Fujifilm Corporation Magnetic recording medium
CN105260803A (zh) * 2015-11-06 2016-01-20 国家电网公司 一种系统用电量预测方法
CN105653670A (zh) * 2015-12-29 2016-06-08 中国电力科学研究院 一种基于流形学习聚类算法的智能用电数据挖掘方法
CN107144234A (zh) * 2017-04-21 2017-09-08 南京理工大学 一种城轨车辆轮对踏面轮廓拟合方法
CN108828375A (zh) * 2018-08-17 2018-11-16 国网江苏省电力有限公司电力科学研究院 基于双回路智能电能表的空调用电监控系统及监控方法
CN109508820A (zh) * 2018-11-01 2019-03-22 上海理工大学 基于差异化建模的校园用电量预测建模方法
CN109726472A (zh) * 2018-12-28 2019-05-07 华北电力大学（保定） 一种将离散数据转换为连续数据的曲线拟合方法

Also Published As

Publication number Publication date
CN110689250B (zh) 2023-04-14

Similar Documents

Publication Publication Date Title
Wang et al. Secondary forecasting based on deviation analysis for short-term load forecasting
CN112668173B (zh) 一种基于偏态分布计算10kV线路拓扑关系阈值的方法
CN113033953B (zh) 一种基于大数据的用户侧需求响应决策建议方法
CN103679555A (zh) 基于负荷特性分类的分时电价确定方法
CN115081795B (zh) 多维场景下企业能耗异常成因分析方法及系统
CN108428055B (zh) 一种考虑负荷纵向特性的负荷聚类方法
CN111612228A (zh) 一种基于用电信息的用户用电行为分析方法
CN113283674A (zh) 一种基于用户用电特征的基线负荷预测修正方法
CN116050866A (zh) 基于典型负荷曲线的组合式用户缺失电量拟合方法及系统
CN103809550A (zh) 节费式电力能源管理装置及方法
CN110689250B (zh) 一种用户用电数据的处理方法、系统及计算机可读介质
CN110909786A (zh) 一种基于特性指标与决策树模型的新装用户负荷辨识方法
CN117291299B (zh) 一种考虑多种影响因素的月度电量预测方法
CN108808657A (zh) 一种电力负荷短期预测方法
CN108183496B (zh) 一种光伏储能系统的能量管理方法
CN116307886A (zh) 一种企业生产状态的实时监测方法及装置
CN110414776A (zh) 分行业用电特性快速响应分析系统
CN110298603B (zh) 分布式光伏系统容量估计方法
CN112418633A (zh) 一种基于典型相关分析的停电敏感性相关因素分析方法
CN110111124A (zh) 基于渠道偏好和业务偏好的电力客户服务偏好方法及系统
CN114970928A (zh) 一种电力数据能耗分析预测方法
CN112611997A (zh) 一种台区关口表挂接关系在线校验方法和系统
CN111030161A (zh) 一种新能源消纳与电网深度调峰裕度相关性分析方法
CN118350619B (zh) 一种智能全流程生产管理方法及其管理系统
CN117236532B (zh) 一种基于负荷数据的用电高峰负荷预测的方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant