CN111583064B - 基于动态时间规整的负荷生产时段检测方法和存储介质 - Google Patents

基于动态时间规整的负荷生产时段检测方法和存储介质 Download PDF

Info

Publication number
CN111583064B
CN111583064B CN202010392722.1A CN202010392722A CN111583064B CN 111583064 B CN111583064 B CN 111583064B CN 202010392722 A CN202010392722 A CN 202010392722A CN 111583064 B CN111583064 B CN 111583064B
Authority
CN
China
Prior art keywords
point
time
data
power curve
load
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.)
Active
Application number
CN202010392722.1A
Other languages
English (en)
Other versions
CN111583064A (zh
Inventor
唐伟
杨迎春
李科峰
滕予非
李赋欣
刘畅
魏巍
靳旦
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.)
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Sichuan Electric Power 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 Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN202010392722.1A priority Critical patent/CN111583064B/zh
Publication of CN111583064A publication Critical patent/CN111583064A/zh
Application granted granted Critical
Publication of CN111583064B publication Critical patent/CN111583064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于动态时间规整的负荷生产时段检测方法和存储介质,解决了如何利用电力数据开展商业负荷生产时段时长的测算的问题。本发明包括基于处理后的待测负荷数据,形成测试负荷功率曲线,利用生产阶段的参考功率曲线,与所述测试负荷功率曲线进行时间尺度的最优规整路径计算,得到最优规整路径表,搜索所述最优规整路径表,计算得到测试负荷功率曲线的生产阶段,输出测试负荷功率曲线的生产阶段的起止时间数据。本发明可通过商户用电数据,快速准确地计算营业起始时刻和终止时刻,并据此计算生产时段时长,为疫情防护和政府掌握商业恢复提供了有价值的参考。

Description

基于动态时间规整的负荷生产时段检测方法和存储介质
技术领域
本发明涉及电网技术领域,具体涉及基于动态时间规整的负荷生产时段检测方法和存储介质。
背景技术
2019年底新型冠状病毒引发的肺炎疫情发生以来,各地经济受到严重影响。各级政府一边抓防疫,一边采集措施推动经济有序恢复。在开展商业体恢复情况监测和评价中,商业负荷有效生产时段时长由于可以反映商业经营者的信心状态,是评价指标之一。通过商户生产时段时长的测算及其变化情况的刻画,可以为政策制定者掌握城市商业恢复情况及疫情防控提供有益参考。此外,作为包括商业负荷在内的电力负荷的典型特征,负荷的主要生产时段也是开展负荷特征标签化、画像等方面研究的重要数据维度。
随着电网智能化进程的加快,智能电表的覆盖率不断提升,采集数据的广度和频度不断增加,电力数据也呈海量增长趋势。在此背景下,基于负荷特征的分析由于可以更加精准直观的反映电力负荷、客户的特点,受到越来越多的关注。面向电力负荷的画像技术,融合了负荷模式,可在多种维度反映负荷特征,为提升客户优质服务水平、增强源网荷互动水平奠定了基础。因此,利用电力数据开展商业负荷生产时段时长的测算,具有良好的基础。
发明内容
本发明所要解决的技术问题是:如何利用电力数据开展商业负荷生产时段时长的测算,本发明提供了解决上述问题的基于动态时间规整的负荷生产时段检测方法和存储介质。
本发明通过下述技术方案实现:
基于动态时间规整的负荷生产时段检测方法,步骤如下:
S1:从用电信息采集系统中抽取待测负荷数据,编号待测负荷数据,对于每个待测负荷数据进行清洗;
S2:基于所述S1中的处理后的待测负荷数据,形成测试负荷功率曲线,利用生产阶段的参考功率曲线,与所述测试负荷功率曲线进行时间尺度的最优规整路径计算,得到最优规整路径表,计算过程包括对所述测试负荷功率曲线和参考功率曲线进行拉伸或压缩,搜索所述最优规整路径表,计算得到测试负荷功率曲线的生产阶段,输出测试负荷功率曲线的生产阶段的起止时间数据;
S3:结合所述S2中测试负荷功率曲线的生产阶段的起止时间数据,起止两时间数据相减取绝对值得到待测负荷的生产时段时长。
进一步地,所述S1中的对数据进行清洗包括空值处理、异常偏大处理;
其中,数据清洗中的空值和异常偏大数据的清洗处理方法为:将空值点或异常偏大点数据替换为于时间早于空值点或异常偏大点的最临近功率数据;异常偏大点的识别方法为:若目标点功率数据>待测负荷运行容量,将目标点判定为异常偏大点。
假定测试负荷日功率曲线为Tsig={Tsigt},t∈[1,2,…,T],测量点时间间隔ΔT,基于动态时间规整的负荷生产时段提取方法包括以下步骤:
进一步地,构建参考功率曲线Rsig={Rsigr},r∈[1,2,…,R]。
Figure BDA0002486442210000021
其中,rt_start为参考功率曲线设定的生产时段起点时刻t_start对应的数据点编号,rt_end为终点时刻t_end对应的数据点编号,r为时刻,R为参考功率曲线Rsig的信号点数量,u为归一化标记。
进一步地,在标幺化的基础上,对测试负荷曲线进行归一化处理,得到归一化的测试功率曲线Tsigu={Tsigu,t},t∈[1,2,…,T]。归一化算法为:
Figure BDA0002486442210000022
其中,Tsigmax为测试负荷的最大功率,Tsigmin为最小功率。
进一步地,对归一化后的测试负荷功率曲线与参考功率曲线,利用动态时间规整算法,求取最佳规整路径W={wk},wk=(t,r),t∈[1,2,…,T],r∈[1,2,…,R];
其中,动态时间规整算法获取最佳规整路径的流程如下:
构建原始信号测量点距离矩阵。对两个时间序列信号,计算所有信号测量点对之间的距离,构建测量点距离矩阵。
CTsigu,Rsig={ct,r},t∈[1,2,…,T],r∈[1,2,…,R]
其中,T为归一化后的测试时间序列Tsigu的信号点数量,R为参考时间序列Rsig的信号点数量。
信号点的距离采用欧氏距离,即:
ct,r=‖Tsigu,t-Rsigr
构建累计距离矩阵DTsigu,Rsig={dt,r},t∈[1,2,…,T],r∈[1,2,…,R]。
累计距离矩阵元素dt,r代表的是从两条时间序列信号的起始点对(Tsigu,1,Rsig1)到当前信号点对(Tsigu,t,Rsigr)之间的信号序列对应的规整后累计距离,也就是两规整信号序列段的相似性度量。累计距离矩阵元素dt,r计算方法如下:
对于第1行元素:
Figure BDA0002486442210000031
对于第1列元素:
Figure BDA0002486442210000032
对于其他元素:dt,r=ct,r+min{dt-1,r,dt-1,r-1,dt,r-1},t∈[2,3,…,T],r∈[2,3,…,R]。
回溯搜索最佳规整路径W={wk},wk=(t,r),t∈[1,2,…,T],r∈[1,2,…,R]。其中,t代表Tsigu第t个信号点Tsigu,t的序号,r代表Rsig第r个信号点Rsigr的序号。
回溯过程如下:
从累计距离矩阵DTsigu,Rsig右上角元素dT,R开始,即两条时间序列信号的最末端,将该点位置坐标(T,R)记录为规整映射的最后一个点wend;并将该点记录为当前规整映射点(i,j)=(T,R);
找寻当前规整映射点(i,j)的上一级映射点。根据累计距离矩阵的构建方法,当前规整映射点的上级映射点应为其左侧(i-1,j)、左下方(i-1,j-1)、正下方(i,j-1)三个映射点中累计距离的最小值,记录该最小值对应的时序信号点的位置坐标为(t,r);并替换当前规整映射点(i,j)=(t,r);
重复上一步骤,直到抵达两条时间序列信号的起始点,将位置坐标记录为规整映射的第一个点wstart=(1,1)。
由于累计距离矩阵的每一个元素,代表的是从两条时序信号的起始点到当前数据点对的最佳规整路径对应的累计距离,按此方法计算得到终止点累计距离也是两条时序信号最优规整路径对应的距离。因此,上述回溯得到的路径即是最佳规整路径,在最佳规整路径W中,搜寻参考功率曲线的生产时段起始时刻rt_start对应的正序第一个数据点编号,记录为wstart=(tt_start,rt_start);搜寻参考功率曲线的生产时段终点时刻rt_end对应的倒序第一个数据点编号,记录为wend=(tt_end,rt_end)。则tt_start、tt_end为测试负荷功率曲线生产时段起点和终点对应的数据点编号;
进一步地,根据测量点时间间隔ΔT,将测试负荷生产时段起点和终点对应的数据点编号换算成为时间,得到待测负荷的营业起始时间和终止时间,计算得到待测负荷的生产时段时长。
进一步的,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本方法中的步骤。本方法的具体使用依赖大量计算,因此优选的通过计算机程序来实现上述计算过程,所以任何包含本方法中所保护的步骤的计算机程序及其存储介质也属于本申请的保护范围内。
本发明具有如下的优点和有益效果:
本发明可通过商户用电数据,快速准确地计算营业起始时刻和终止时刻,并据此计算生产时段时长,为疫情防护和政府掌握商业恢复提供了有价值的参考。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明的流程示意图。
图2为本发明的最佳规整路径示意图。
图3为本发明的动态时间规整前的测试曲线与参考曲线图。
图4为本发明的动态时间规整后的负荷曲线图。
具体实施方式
在对本发明的任意实施例进行详细的描述之前,应该理解本发明的应用不局限于下面的说明或附图中所示的结构的细节。本发明可采用其它的实施例,并且可以以各种方式被实施或被执行。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改进前提下所获得的所有其它实施例,均属于本发明保护的范围。
基于动态时间规整的负荷生产时段检测方法,如图1所示,步骤如下:
S1:从用电信息采集系统中抽取待测负荷数据,编号待测负荷数据,对于每个待测负荷数据进行清洗;
S2:基于所述S1中的处理后的待测负荷数据,形成测试负荷功率曲线,利用生产阶段的参考功率曲线,与所述测试负荷功率曲线进行时间尺度的最优规整路径计算,得到最优规整路径表,计算过程包括对所述测试负荷功率曲线和参考功率曲线进行拉伸或压缩,搜索所述最优规整路径表,计算得到测试负荷功率曲线的生产阶段,输出测试负荷功率曲线的生产阶段的起止时间数据;
S3:结合所述S2中测试负荷功率曲线的生产阶段的起止时间数据,起止两时间数据相减取绝对值得到待测负荷的生产时段时长。
进一步地,所述S1中的对数据进行清洗包括空值处理、异常偏大处理;
其中,数据清洗中的空值和异常偏大数据的清洗处理方法为:将空值点或异常偏大点数据替换为于时间早于空值点或异常偏大点的最临近功率数据;异常偏大点的识别方法为:若目标点功率数据>待测负荷运行容量,将目标点判定为异常偏大点。
假定测试负荷日功率曲线为Tsig={Tsigt},t∈[1,2,…,T],测量点时间间隔ΔT,基于动态时间规整的负荷生产时段提取方法包括以下步骤:
进一步地,构建参考功率曲线Rsig={Rsigr},r∈[1,2,…,R]。
Figure BDA0002486442210000051
其中,rt_start为参考功率曲线设定的生产时段起点时刻t_start对应的数据点编号,rt_end为终点时刻t_end对应的数据点编号,r为时刻,R为参考功率曲线Rsig的信号点数量,u为归一化标记。
进一步地,在标幺化的基础上,对测试负荷曲线进行归一化处理,得到归一化的测试功率曲线Tsigu={Tsigu,t},t∈[1,2,…,T]。归一化算法为:
Figure BDA0002486442210000052
其中,Tsigmax为测试负荷的最大功率,Tsigmin为最小功率。
进一步地,对归一化后的测试负荷功率曲线与参考功率曲线,利用动态时间规整算法,求取最佳规整路径W={wk},wk=(t,r),t∈[1,2,…,T],r∈[1,2,…,R];
其中,动态时间规整算法获取最佳规整路径的流程如下:
构建原始信号测量点距离矩阵。对两个时间序列信号,计算所有信号测量点对之间的距离,构建测量点距离矩阵。
CTsigu,Rsig={ct,r},t∈[1,2,…,T],r∈[1,2,…,R]
其中,T为归一化后的测试时间序列Tsigu的信号点数量,R为参考时间序列Rsig的信号点数量。
信号点的距离采用欧氏距离,即:
ct,r=‖Tsigu,t-Rsigr
构建累计距离矩阵DTsigu,Rsig={dt,r},t∈[1,2,…,T],r∈[1,2,…,R]。
累计距离矩阵元素dt,r代表的是从两条时间序列信号的起始点对(Tsigu,1,Rsig1)到当前信号点对(Tsigu,t,Rsigr)之间的信号序列对应的规整后累计距离,也就是两规整信号序列段的相似性度量。累计距离矩阵元素dt,r计算方法如下:
对于第1行元素:
Figure BDA0002486442210000053
对于第1列元素:
Figure BDA0002486442210000054
对于其他元素:dt,r=ct,r+min{dt-1,r,dt-1,r-1,dt,r-1},t∈[2,3,…,T],r∈[2,3,…,R]。
回溯搜索最佳规整路径W={wk},wk=(t,r),t∈[1,2,…,T],r∈[1,2,…,R]。其中,t代表Tsigu第t个信号点Tsigu,t的序号,r代表Rsig第r个信号点Rsigr的序号。
回溯过程如下:
从累计距离矩阵DTsigu,Rsig右上角元素dT,R开始,即两条时间序列信号的最末端,将该点位置坐标(T,R)记录为规整映射的最后一个点wend;并将该点记录为当前规整映射点(i,j)=(T,R);
找寻当前规整映射点(i,j)的上一级映射点。根据累计距离矩阵的构建方法,当前规整映射点的上级映射点应为其左侧(i-1,j)、左下方(i-1,j-1)、正下方(i,j-1)三个映射点中累计距离的最小值,记录该最小值对应的时序信号点的位置坐标为(t,r);并替换当前规整映射点(i,j)=(t,r);
重复上一步骤,直到抵达两条时间序列信号的起始点,将位置坐标记录为规整映射的第一个点wstart=(1,1)。
由于累计距离矩阵的每一个元素,代表的是从两条时序信号的起始点到当前数据点对的最佳规整路径对应的累计距离,按此方法计算得到终止点累计距离也是两条时序信号最优规整路径对应的距离,如图2所示。因此,上述回溯得到的路径即是最佳规整路径,在最佳规整路径W中,搜寻参考功率曲线的生产时段起始时刻rt_start对应的正序第一个数据点编号,记录为wstart=(tt_start,rt_start);搜寻参考功率曲线的生产时段终点时刻rt_end对应的倒序第一个数据点编号,记录为wend=(tt_end,rt_end)。则tt_start、tt_end为测试负荷功率曲线生产时段起点和终点对应的数据点编号;
进一步地,根据测量点时间间隔ΔT,将测试负荷生产时段起点和终点对应的数据点编号换算成为时间,得到待测负荷的营业起始时间和终止时间,计算得到待测负荷的生产时段时长。
进一步的,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本方法中的步骤。本方法的具体使用依赖大量计算,因此优选的通过计算机程序来实现上述计算过程,所以任何包含本方法中所保护的步骤的计算机程序及其存储介质也属于本申请的保护范围内。
实施例1:本例选取4家商户,选取一条商业负荷进行生产时段时长的检测。动态时间规整前的标幺化测试负荷曲线和参考负荷曲线如图3所示。对测试负荷曲线与参考功率曲线进行动态时间规整变换,绘制动态时间规整后的两条功率曲线,如图4所示。表明,基于动态时间规整的营业时间检测方法可以匹配找出商业负荷的营业起始和终止时刻点。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (6)

1.基于动态时间规整的负荷生产时段检测方法,其特征在于,步骤如下:
S1:从用电信息采集系统中抽取待测负荷数据,编号待测负荷数据,对于每个待测负荷数据进行清洗;
S2:基于所述S1中的处理后的待测负荷数据,形成测试负荷功率曲线,利用生产阶段的参考功率曲线,与所述测试负荷功率曲线进行时间尺度的最优规整路径计算,得到最优规整路径表,计算过程包括对所述测试负荷功率曲线和参考功率曲线进行拉伸或压缩,搜索所述最优规整路径表,计算得到测试负荷功率曲线的生产阶段,输出测试负荷功率曲线的生产阶段的起止时间数据;
S3:结合所述S2中测试负荷功率曲线的生产阶段的起止时间数据,起止两时间数据相减取绝对值得到待测负荷的生产时段时长;
所述参考功率曲线为Rsig={Rsigr},r∈[1,2,…,R];
Figure FDA0003732354900000011
其中,rt_start为参考功率曲线设定的生产时段起点时刻t_start对应的数据点编号,rt_end为终点时刻t_end对应的数据点编号,r为时刻,R为参考功率曲线Rsig的信号点数量;
所述S2包括以下具体步骤:
S2.1:得到处理后的待测负荷数据形成的测试负荷功率曲线,对测试负荷功率曲线进行归一化处理,得到归一化的测试功率曲线Tsigu={Tsigu,t},t∈[1,2,…,T],归一化算法为:
Figure FDA0003732354900000012
其中,Tsigmax为测试负荷的最大功率,Tsigmin为最小功率,Tsig={Tsigt},t∈[1,2,…,T]为测试负荷功率曲线,t表示数据采集点编号,T为测试时间序列Tsig的信号点数量,u为归一化标记;
S2.2:对归一化后的测试负荷功率曲线与参考功率曲线,利用动态时间规整算法,求取最佳规整路径W={wk},wk=(t,r),t∈[1,2,…,T],r∈[1,2,…,R];
利用动态时间规整算法求取最佳规整路径包括以下步骤:
S2.21:构建距离矩阵,根据所述S2中的参考功率曲线Rsig和归一化的测试功率曲线Tsigu,计算所有信号测量点对之间的距离,构建测量点距离矩阵;
Figure FDA0003732354900000021
其中,T为归一化后的测试时间序列Tsigu的信号点数量,R为参考时间序列Rsig的信号点数量,信号点的距离采用欧氏距离:
ct,r=||Tsigu,t-Rsigr||
S2.22:构建累计距离矩阵
Figure FDA0003732354900000022
计算两条时间序列信号的起始点对(Tsigu,1,Rsig1)到当前信号点对(Tsigu,t,Rsigr)之间的信号序列对应的规整后累计距离,得到累计距离矩阵元素dt,r,累计距离为两规整信号序列段的相似性度量;
累计距离矩阵元素dt,r计算方法如下:
对于第1行元素:
Figure FDA0003732354900000023
对于第1列元素:
Figure FDA0003732354900000024
对于其他元素:dt,r=ct,r+min{dt-1,r,dt-1,r-1,dt,r-1},t∈[2,3,…,T],r∈[2,3,…,R];
S2.23:回溯搜索所述最佳规整路径W={wk},wk=(t,r),t∈[1,2,…,T],r∈[1,2,…,R],其中,t代表Tsigu第t个信号点Tsigu,t的序号,r代表Rsig第r个信号点Rsigr的序号。
2.根据权利要求1所述的基于动态时间规整的负荷生产时段检测方法,其特征在于,所述S1中的对数据进行清洗包括空值处理、异常偏大处理;
其中,数据清洗中的空值和异常偏大数据的清洗处理方法为:将空值点或异常偏大点数据替换为于时间早于空值点或异常偏大点的最临近功率数据;异常偏大点的识别方法为:若目标点功率数据>待测负荷运行容量,将目标点判定为异常偏大点。
3.根据权利要求1所述的基于动态时间规整的负荷生产时段检测方法,其特征在于,所述S2.23回溯搜索所述最佳规整路径W的详细过程如下:
S2.231:从累计距离矩阵
Figure FDA0003732354900000025
右上角元素dT,R开始,将右上角元素dT,R点位置坐标(T,R)记录为规整映射的最后一个点wend;并将右上角元素dT,R记录为当前规整映射点(i,j)=(T,R);
S2.232:找寻所述当前规整映射点(i,j)的上一级映射点,根据累计距离矩阵的构建方法,当前规整映射点的上级映射点应为其左侧(i-1,j)、左下方(i-1,j-1)、正下方(i,j-1)三个映射点中累计距离的最小值,记录所述累计距离的最小值对应的时序信号点的位置坐标为(t,r);并替换当前规整映射点(i,j)=(t,r);
S2.233:重复步骤S2.232,直到抵达两条时间序列信号的起始点,将位置坐标记录为规整映射的第一个点wstart=(1,1)。
4.根据权利要求3所述的基于动态时间规整的负荷生产时段检测方法,其特征在于,基于回溯搜索所述最佳规整路径W的详细过程,计算终止点累计距离,所述终止点累计距离为两条时序信号最优规整路径对应的距离,其中,所述S2.231中,累计距离矩阵的每一个元素从两条时序信号的起始点到当前数据点对的最佳规整路径对应的累计距离。
5.根据权利要求4所述的基于动态时间规整的负荷生产时段检测方法,其特征在于,得到所述终止点累计距离,在最佳规整路径W中,搜寻参考功率曲线的生产时段起始时刻rt_start对应的正序第一个数据点编号,记录为wstart=(tt_start,rt_start);搜寻参考功率曲线的生产时段终点时刻rt_end对应的倒序第一个数据点编号,记录为wend=(tt_end,rt_end),其中,tt_start、tt_end为测试负荷功率曲线生产时段起点和终点对应的数据点编号,根据测量点时间间隔ΔT,将测试负荷生产时段起点和终点对应的数据点编号换算成为时间,得到待测负荷的营业起始时间和终止时间,计算得到待测负荷的生产时段时长。
6.一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5中任一所述方法的步骤。
CN202010392722.1A 2020-05-11 2020-05-11 基于动态时间规整的负荷生产时段检测方法和存储介质 Active CN111583064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010392722.1A CN111583064B (zh) 2020-05-11 2020-05-11 基于动态时间规整的负荷生产时段检测方法和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010392722.1A CN111583064B (zh) 2020-05-11 2020-05-11 基于动态时间规整的负荷生产时段检测方法和存储介质

Publications (2)

Publication Number Publication Date
CN111583064A CN111583064A (zh) 2020-08-25
CN111583064B true CN111583064B (zh) 2022-09-09

Family

ID=72120845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010392722.1A Active CN111583064B (zh) 2020-05-11 2020-05-11 基于动态时间规整的负荷生产时段检测方法和存储介质

Country Status (1)

Country Link
CN (1) CN111583064B (zh)

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103606909A (zh) * 2013-12-04 2014-02-26 国家电网公司 一种配电网线路保护系统和方法
CN105680771A (zh) * 2016-03-25 2016-06-15 南通大学 一种风光互补发电系统及控制方法
CN105974304A (zh) * 2016-05-10 2016-09-28 山东科技大学 一种断路器分合闸线圈的故障诊断方法
CN106651055A (zh) * 2016-12-30 2017-05-10 北京中电普华信息技术有限公司 一种短期售电量预测方法及系统
CN106786534A (zh) * 2016-12-28 2017-05-31 天津求实智源科技有限公司 一种非侵入式电力负荷暂态过程辨识方法及系统
CN107292438A (zh) * 2017-06-21 2017-10-24 武汉都市环保工程技术股份有限公司 一种钢铁工业负荷功率特性建模方法
CN107394810A (zh) * 2017-06-21 2017-11-24 上海广吉电气有限公司 智能并网电感变压器系统
CN107687950A (zh) * 2017-09-30 2018-02-13 广西玉柴机器股份有限公司 一种负荷传感器动态性能的简便检测方法及装置
CN107834543A (zh) * 2017-11-01 2018-03-23 国网河南省电力公司经济技术研究院 一种基于两阶段混合整数规划的电力系统运行模拟方法
JP2018108118A (ja) * 2015-03-31 2018-07-12 国立大学法人東北大学 インプラント用デバイスの製造方法およびインプラント用デバイス
CN108460495A (zh) * 2018-03-28 2018-08-28 联想(北京)有限公司 一种数据处理方法及装置
CN108574290A (zh) * 2018-04-12 2018-09-25 国家电网有限公司 受迫振荡的振荡源定位方法、装置、终端及可读存储介质
CN108776276A (zh) * 2018-06-29 2018-11-09 合肥工业大学 用电异常检测方法及系统
CN109066770A (zh) * 2018-07-20 2018-12-21 中国电力科学研究院有限公司 一种风电接入柔性直流输电系统的控制方法和装置
CN109359389A (zh) * 2018-10-18 2019-02-19 东北大学 基于典型负荷动态博弈的城市电动汽车充电决策方法
CN109389521A (zh) * 2018-10-12 2019-02-26 江苏亚威变压器有限公司 一种配电网自动化的智能管理系统
CN109639466A (zh) * 2018-11-28 2019-04-16 国网江苏省电力有限公司南京供电分公司 一种基于“源网荷”的电力工控系统网络安全检测系统
CN109726427A (zh) * 2018-11-16 2019-05-07 中国西安卫星测控中心 结合运载器飞行特征点的动态时间规整计算方法
CN109754113A (zh) * 2018-11-29 2019-05-14 南京邮电大学 基于动态时间规整与长短时间记忆的负荷预测方法
CN109934301A (zh) * 2019-03-22 2019-06-25 广东电网有限责任公司 一种电力负荷聚类分析方法、装置和设备
CN111026741A (zh) * 2019-12-04 2020-04-17 国网天津市电力公司电力科学研究院 基于时间序列相似性的数据清洗方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8165812B2 (en) * 2011-07-25 2012-04-24 Clean Power Research, L.L.C. Computer-implemented system and method for estimating power data for a photovoltaic power generation fleet
CN102520675B (zh) * 2011-10-23 2014-03-12 西安交通大学 燃气联合循环与太阳能发电联合制热系统及其调度方法
US10534327B2 (en) * 2017-07-06 2020-01-14 Dalian University Of Technology Method for long-term optimal operations of interprovincial hydropower system considering peak-shaving demands

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103606909A (zh) * 2013-12-04 2014-02-26 国家电网公司 一种配电网线路保护系统和方法
JP2018108118A (ja) * 2015-03-31 2018-07-12 国立大学法人東北大学 インプラント用デバイスの製造方法およびインプラント用デバイス
CN105680771A (zh) * 2016-03-25 2016-06-15 南通大学 一种风光互补发电系统及控制方法
CN105974304A (zh) * 2016-05-10 2016-09-28 山东科技大学 一种断路器分合闸线圈的故障诊断方法
CN106786534A (zh) * 2016-12-28 2017-05-31 天津求实智源科技有限公司 一种非侵入式电力负荷暂态过程辨识方法及系统
CN106651055A (zh) * 2016-12-30 2017-05-10 北京中电普华信息技术有限公司 一种短期售电量预测方法及系统
CN107292438A (zh) * 2017-06-21 2017-10-24 武汉都市环保工程技术股份有限公司 一种钢铁工业负荷功率特性建模方法
CN107394810A (zh) * 2017-06-21 2017-11-24 上海广吉电气有限公司 智能并网电感变压器系统
CN107687950A (zh) * 2017-09-30 2018-02-13 广西玉柴机器股份有限公司 一种负荷传感器动态性能的简便检测方法及装置
CN107834543A (zh) * 2017-11-01 2018-03-23 国网河南省电力公司经济技术研究院 一种基于两阶段混合整数规划的电力系统运行模拟方法
CN108460495A (zh) * 2018-03-28 2018-08-28 联想(北京)有限公司 一种数据处理方法及装置
CN108574290A (zh) * 2018-04-12 2018-09-25 国家电网有限公司 受迫振荡的振荡源定位方法、装置、终端及可读存储介质
CN108776276A (zh) * 2018-06-29 2018-11-09 合肥工业大学 用电异常检测方法及系统
CN109066770A (zh) * 2018-07-20 2018-12-21 中国电力科学研究院有限公司 一种风电接入柔性直流输电系统的控制方法和装置
CN109389521A (zh) * 2018-10-12 2019-02-26 江苏亚威变压器有限公司 一种配电网自动化的智能管理系统
CN109359389A (zh) * 2018-10-18 2019-02-19 东北大学 基于典型负荷动态博弈的城市电动汽车充电决策方法
CN109726427A (zh) * 2018-11-16 2019-05-07 中国西安卫星测控中心 结合运载器飞行特征点的动态时间规整计算方法
CN109639466A (zh) * 2018-11-28 2019-04-16 国网江苏省电力有限公司南京供电分公司 一种基于“源网荷”的电力工控系统网络安全检测系统
CN109754113A (zh) * 2018-11-29 2019-05-14 南京邮电大学 基于动态时间规整与长短时间记忆的负荷预测方法
CN109934301A (zh) * 2019-03-22 2019-06-25 广东电网有限责任公司 一种电力负荷聚类分析方法、装置和设备
CN111026741A (zh) * 2019-12-04 2020-04-17 国网天津市电力公司电力科学研究院 基于时间序列相似性的数据清洗方法及装置

Also Published As

Publication number Publication date
CN111583064A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN108732465B (zh) 一种基于小波变换和cnn的配电网故障定位方法
CN109858522A (zh) 一种基于数据挖掘的管理线损异常识别方法
CN116304898B (zh) 基于机器学习的传感器数据智能存储系统
CN106646205A (zh) 一种声振联合分析断路器故障的随机大扰动信号剔除算法
CN104732529B (zh) 一种遥感图像形状特征配准方法
CN116955895A (zh) 一种变压器运行异常监测方法及系统
CN111583064B (zh) 基于动态时间规整的负荷生产时段检测方法和存储介质
CN108120437A (zh) 一种基于地磁场强度序列特征点对齐的行人路径匹配方法
CN117150244B (zh) 基于电参数分析的智能配电柜状态监测方法及系统
CN102982345A (zh) 基于连续小波变换的时序遥感影像半自动分类方法
KR102486463B1 (ko) 열화에 따른 시계열 데이터를 이용한 실시간 이상 감지 방법 및 그를 위한 장치
CN115130547A (zh) 基于多特征联合时序匹配的极化sar农作物分类方法、系统、设备及介质
CN111008596B (zh) 基于特征期望子图校正分类的异常视频清洗方法
CN114090562A (zh) 一种电力营销数据的清洗方法及装置
CN111583063B (zh) 基于标准模板营业起始和终止时间检测方法和存储介质
CN114325081A (zh) 一种基于多模态特征的非侵入式负荷识别方法
Yang et al. Removal of scattered noise based on data of the cranial point cloud of the zokor head
CN111289611A (zh) 一种复合材料缺陷类型检测方法及装置
CN116626454B (zh) 基于修正时频聚类的油纸绝缘uhf局放信号抗干扰识别及定位方法、装置
CN117609907A (zh) 一种大坝安全监测数据异常值识别方法
CN106780532A (zh) 一种面向df图的互调频率方程快速检测方法
CN113420436B (zh) 基于gru和arima-t的非侵入式事件检测方法
CN114113926B (zh) 串联电弧故障诊断方法、装置、计算机设备和存储介质
CN112129989B (zh) 一种基于自适应聚类的电压暂降分段刻画方法
CN116821703A (zh) 基于快速动态时间规整算法的故障录波数据智能比对方法

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