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

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＝{Tsig_t},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＝{Rsig_r},r∈[1,2,…,R]。

其中，r_{t_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，r_{t_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Tsig_u＝{Tsig_u,t},t∈[1,2,…,T]。归一化算法为：

其中，Tsig_max为测试负荷的最大功率，Tsig_min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＝{w_k},w_k＝(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。

CTsig_u,Rsig＝{c_t,r},t∈[1,2,…,T],r∈[1,2,…,R]

其中，T为归一化后的测试时间序列Tsig_u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：

c_t,r＝‖Tsig_u,t-Rsig_r‖

构建累计距离矩阵DTsig_u,Rsig＝{d_t,r},t∈[1,2,…,T],r∈[1,2,…,R]。

累计距离矩阵元素d_t,r代表的是从两条时间序列信号的起始点对(Tsig_u,1,Rsig₁)到当前信号点对(Tsig_u,t,Rsig_r)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d_t,r计算方法如下：

对于第1行元素：

对于第1列元素：

对于其他元素：d_t,r＝c_t,r+min{d_t-1,r,d_t-1,r-1,d_t,r-1},t∈[2,3,…,T],r∈[2,3,…,R]。

回溯搜索最佳规整路径W＝{w_k},w_k＝(t,r),t∈[1,2,…,T],r∈[1,2,…,R]。其中，t代表Tsig_u第t个信号点Tsig_u,t的序号，r代表Rsig第r个信号点Rsig_r的序号。

回溯过程如下：

从累计距离矩阵D_Tsigu,Rsig右上角元素d_T,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w_end；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w_start＝(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r_{t_start}对应的正序第一个数据点编号，记录为w_start＝(t_{t_start},r_{t_start})；搜寻参考功率曲线的生产时段终点时刻r_{t_end}对应的倒序第一个数据点编号，记录为w_end＝(t_{t_end},r_{t_end})。则t_{t_start}、t_{t_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＝{Tsig_t},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＝{Rsig_r},r∈[1,2,…,R]。

其中，r_{t_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，r_{t_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Tsig_u＝{Tsig_u,t},t∈[1,2,…,T]。归一化算法为：

其中，Tsig_max为测试负荷的最大功率，Tsig_min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＝{w_k},w_k＝(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。

CTsig_u,Rsig＝{c_t,r},t∈[1,2,…,T],r∈[1,2,…,R]

其中，T为归一化后的测试时间序列Tsig_u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：

c_t,r＝‖Tsig_u,t-Rsig_r‖

构建累计距离矩阵D_Tsigu,Rsig＝{d_t,r},t∈[1,2,…,T],r∈[1,2,…,R]。

累计距离矩阵元素d_t,r代表的是从两条时间序列信号的起始点对(Tsig_u,1,Rsig₁)到当前信号点对(Tsig_u,t,Rsig_r)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d_t,r计算方法如下：

对于第1行元素：

对于第1列元素：

对于其他元素：d_t,r＝c_t,r+min{d_t-1,r,d_t-1,r-1,d_t,r-1},t∈[2,3,…,T],r∈[2,3,…,R]。

回溯搜索最佳规整路径W＝{w_k},w_k＝(t,r),t∈[1,2,…,T],r∈[1,2,…,R]。其中，t代表Tsig_u第t个信号点Tsig_u,t的序号，r代表Rsig第r个信号点Rsig_r的序号。

回溯过程如下：

从累计距离矩阵D_Tsigu,Rsig右上角元素d_T,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w_end；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w_start＝(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r_{t_start}对应的正序第一个数据点编号，记录为w_start＝(t_{t_start},r_{t_start})；搜寻参考功率曲线的生产时段终点时刻r_{t_end}对应的倒序第一个数据点编号，记录为w_end＝(t_{t_end},r_{t_end})。则t_{t_start}、t_{t_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＝{Rsig_r},r∈[1,2,…,R]；

其中，r_{t_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，r_{t_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Tsig_u＝{Tsig_u,t},t∈[1,2,…,T]，归一化算法为：

其中，Tsig_max为测试负荷的最大功率，Tsig_min为最小功率，Tsig＝{Tsig_t},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＝{w_k},w_k＝(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Tsig_u，计算所有信号测量点对之间的距离，构建测量点距离矩阵；

其中，T为归一化后的测试时间序列Tsig_u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：

c_t,r＝||Tsig_u,t-Rsig_r||

S2.22：构建累计距离矩阵

计算两条时间序列信号的起始点对(Tsig_u,1,Rsig₁)到当前信号点对(Tsig_u,t,Rsig_r)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d_t,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d_t,r计算方法如下：

对于第1行元素：

对于第1列元素：

对于其他元素：d_t,r＝c_t,r+min{d_t-1,r,d_t-1,r-1,d_t,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＝{w_k},w_k＝(t,r),t∈[1,2,…,T],r∈[1,2,…,R]，其中，t代表Tsig_u第t个信号点Tsig_u,t的序号，r代表Rsig第r个信号点Rsig_r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

右上角元素d_T,R开始，将右上角元素d_T,R点位置坐标(T,R)记录为规整映射的最后一个点w_end；并将右上角元素d_T,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w_start＝(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r_{t_start}对应的正序第一个数据点编号，记录为w_start＝(t_{t_start},r_{t_start})；搜寻参考功率曲线的生产时段终点时刻r_{t_end}对应的倒序第一个数据点编号，记录为w_end＝(t_{t_end},r_{t_end})，其中，t_{t_start}、t_{t_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。

Images