CN111861587A - 一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 - Google Patents
一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 Download PDFInfo
- Publication number
- CN111861587A CN111861587A CN202010772275.2A CN202010772275A CN111861587A CN 111861587 A CN111861587 A CN 111861587A CN 202010772275 A CN202010772275 A CN 202010772275A CN 111861587 A CN111861587 A CN 111861587A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- electricity utilization
- state
- day
- 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.)
- Pending
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 9
- 230000006399 behavior Effects 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000007704 transition Effects 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 4
- 230000004044 response Effects 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
用户用电行为分类是进行需求侧响应能力评估的前提,本发明为此提出一种利用负荷数据进行用户用电行为分类的方法。首先，采集居民用电数据，提取出居民用电行为的属性特征，根据历史用电数据和实时的电力负荷情况来识别居民用电规律与否的系统及方法，主要过程包括通过异常分析剔除掉个别极端用电数值,通过线性相关性模型建立每个用电单位的每一个24小时与该用户平均一年24小时用电关系，通过隐马尔可夫模型建立状态转移矩阵和观测值概率矩阵,通过向前算法计算出模型中的参数。该发明实现了用户用电行为的高准确度辨识，为调度部门进行需求侧管理提供支撑。
Description
技术领域
本专利涉及用电大数据分析领域，具体涉及一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法。
背景技术
随着居民生活水平的提高、节能环保意识的增强，大量的智能柔性负荷以及新型储能设备在居民家庭普及使用，居民用户的电力消费水平与负荷调控能力不断提高。因此，利用智能推荐模型引导居民用户主动开展需求响应，实现用户与电网之间的互联互通互动，对促进电力供需平衡、保障电网稳定运行具有重大意义。以及如何利用智能电表采集的大量用户用电数据并对其进行数据挖掘以获得有助于提高运行可靠性与经济社会效益的有效信息是传统电力公司向综合能源服务商转型过程中迫切需要解决的重要问题之一。负荷曲线聚类是指依据用户的用电特性对用户进行划分，将具有相似用电模式的用户归类，这有助于电力公司了解不同用户的用电行为，从而为制定需求侧响应政策以及高精度负荷预测提供支撑。此外，负荷模式聚类还可用于异常用电检测，负荷控制，配电网规划，智能化城市管理等。因此，研究电力用户负荷模式分类技术对于提升电力公司服务水平、改善电网资产利用效率、提高企业经济效益、节能增效具有重要意义。
发明内容
本发明提出了一种基于实时电力负荷数据的用户用电行为聚类分析系统。整个过程包括了数据收集模块, 剔除极端值模块, 线性相关系数历史数据分析模块，隐马尔可夫模型实时分类模块, 以及实时识别报告模块，如图1所示。电力负荷数据收集模块通常通过智能电表等终端设备采集, 存储并处理原始居民用电负荷数据，并对这些数据进行分析,整合, 校正, 填补缺失值, 以及标准化处理。异常分析模块将电力负荷数据中的极端异常值剔除, 这其中包括了, 数据录入时发生的读取错误照成的极大极小值和缺失值；异常分析之后的数据录入到线性相关系数历史数据分析模块，该模块对每一个用电单位的负荷数据，按每一天24小时为一个单位，分别与该用户一年的24小时平均用电值进行线性相关性计算，并根据结果，标注出每一天的用电状态；处理后的数据，录入到隐马尔可夫模型中,用向前算法计算高斯混合模型参数，计算出状态转移概率矩阵和观测概率矩阵等相关参数。最后并通过实时用电识别报告模块，报告该用户当前用电行为属于哪一种用电状态。
附图说明
图1为本发明实施例中图1 用户用电行为聚类分析模块流程图。
图2为本发明实施例中用户历史用电数据曲线图。
图3为本发明实施例中经数据分析结果为用户用电行为正常的示意图。
图4为本发明实施例中经数据分析后结果为用户用电行为较为正常的示意图。
图5为本发明实施例中经数据分析后结果为用户用电行为为异常的示意图。
具体实施方式
为使得本发明的内容、目的、特征及优点能够更加清楚，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护说明书的范围。
步骤1、 数据收集模块：对每一个用电单位的用电数据进行收集和存储。用电负荷数据可以采用不同的频率进行录入，在进入分析之前会求和或再分配为小时。
步骤2、根据步骤1中所取得的处理后的用电负荷数据，首先对每一个用户的用电数据进行异常分析，剔除掉极端值：
1）数据值为:
2）假设每一个用户的数据负荷高斯分布:
3）求出相应参数:
4）如果
, 则认为该值为极端值。
步骤3、根据步骤2中所取得的处理后的数据，对每一个用电单位一天24小时数据
与该用户一年平均24小时用电数据进行线性相关性计算:
其中x表示该用户该天的24小时电力负荷，y表示该用户一年的平均24小时用电负荷；
如果系数大于0.5，标注该用户该天为用电规律；如果系数大于0.3且小于0.5，标注该用户该天为用电较为不规律；如果系数小于0.3，标注该用户该天为用电不规律。
步骤4、根据步骤3的结果, 原数据为每一个用户的小时用电量，转化为每一用户的每天24小时用电量以及对应的状态值，一个用户训练数据集:
其中N为天数, 
为第i天的用电负荷,
为第
i天的用电状态。
步骤5、通过步骤3的数据转换结果,去训练马尔可夫模型。马尔可夫模型表示如下:
设Q是所有可能状态的集合，V是所有可能的观测集合:
其中, N是可能的状态，M是可能的观测数。I是长度为T的状态序列，O是对应的观测序列:
A是状态转移概率矩阵:
其中, 
指在时刻t处于状态
的条件下
在时刻t+1转移到状态
的概率；
B是观测概率矩阵:
其中, 
指在时刻t处于状态 
的条
件下生成 
的概率，
其中,
指在时刻t=1处于状态
的概率；
通过步骤3的数据转换结果对状态转移概率矩阵，观测概率矩阵和初始状态概率矩阵
分别计算求解：
。
步骤6、当实时数据进去系统，判断该数据属于哪一类，相当对于计算: 
, 本
发明采用向前算法:
输入：隐马尔可夫模型
，观测序列O；
输出：观测序列概率
；
(1)初值
(2)递推对
(3)终止
步骤7、当实时数据进入系统, 通过参数已知的
, 分别计算该用户属于每
一类的概率, 哪一类概率高, 该用户就属于哪一类。分类结果如下图：其中图3为识别后用
户正常用电行为，图4为识别后用户较为异常用电行为，图5为识别后用户异常用电行为。
本发明公开了一种基于大数据思维的客户用电行为分析模型，运用线性相关系数转换，隐马尔可夫模型分类和向前算法求解模型参数，根据历史用电数据和实时的电力负荷情况来识别居民用电规律的系统及方法。该方式针对一个社区内的用户用电情况进行分析，将用电分析结果及潜在的用电风险推送给相应机构; 对于智能化城市管理, 将改善行政管理和提高用电安全的效率。对于供电机构，可以指导用户合理签订购售电合同、选择电价政策、生产活动安排，降低用户的生产、用能成本，促进用户利益最大化；同时公司可通过价格、政策等措施引导、推进用户进行结构调整，转变增长方式；指导用户合理签订购售电合同、选择电价政策、生产活动安排、错峰用电，降低用户的生产、用能成本，促进用户利益最大化、促进节能降耗。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (1)
1.本发明一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法，其特征在于，包括：
步骤1、 数据收集模块：对每一个用电单位的用电数据进行收集和存储，用电负荷数据可以采用不同的频率进行录入，在进入分析之前会求和或再分配为小时；
步骤2、根据步骤1中所取得的处理后的用电负荷数据，首先对每一个用户的用电数据进行异常分析，剔除掉极端值：
1）数据值为:
2）假设每一个用户的数据负荷高斯分布:
3）求出相应参数:
4）如果
, 则认为该值为极端值；
步骤3、根据步骤2中所取得的处理后的数据，对每一个用电单位一天24小时数据与该用户一年平均24小时用电数据进行线性相关性计算:
其中x表示该用户该天的24小时电力负荷，y表示该用户一年的平均24小时用电负荷；
如果系数大于0.5，标注该用户该天为用电规律；如果系数大于0.3且小于0.5，标注该用户该天为用电较为不规律；如果系数小于0.3，标注该用户该天为用电不规律；
步骤4、根据步骤3的结果, 原数据为每一个用户的小时用电量，转化为每一用户的每天24小时用电量以及对应的状态值，一个用户训练数据集:
其中N为天数, 
为第i天的用电负荷,
为第i天的用电状态；
步骤5、通过步骤3的数据转换结果,去训练马尔可夫模型，马尔可夫模型表示如下:
设Q是所有可能状态的集合，V是所有可能的观测集合:
其中, N是可能的状态，M是可能的观测数，I是长度为T的状态序列，O是对应的观测序列:
A是状态转移概率矩阵:
其中, 
指在时刻t处于状态
的条件下在时刻t+1转移到状态
的概率；
B是观测概率矩阵:
其中, 
指在时刻t处于状态 
的条件下生成 
的概率，
其中,
指在时刻t=1处于状态
的概率；
通过步骤3的数据转换结果对状态转移概率矩阵，观测概率矩阵和初始状态概率矩阵分别计算求解：
；
步骤6、当实时数据进去系统，判断该数据属于哪一类，相当对于计算: 
, 本发明采用向前算法:
输入：隐马尔可夫模型
，观测序列O；
输出：观测序列概率
；
(1)初值
(2)递推对
(3)终止
步骤7、当实时数据进入系统, 通过参数已知的
, 分别计算该用户属于每一类的概率, 哪一类概率高, 该用户就属于哪一类，分类结果如下图：其中图3为识别后用户正常用电行为，图4为识别后用户较为异常用电行为，图5为识别后用户异常用电行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010772275.2A CN111861587A (zh) | 2020-08-04 | 2020-08-04 | 一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010772275.2A CN111861587A (zh) | 2020-08-04 | 2020-08-04 | 一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111861587A true CN111861587A (zh) | 2020-10-30 |
Family
ID=72953208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010772275.2A Pending CN111861587A (zh) | 2020-08-04 | 2020-08-04 | 一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861587A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113505935A (zh) * | 2021-07-26 | 2021-10-15 | 上海东方低碳科技产业股份有限公司 | 基于集成算法的电力异常波动检测和预测计算方法 |
| CN116092056A (zh) * | 2023-03-06 | 2023-05-09 | 安徽蔚来智驾科技有限公司 | 目标识别方法、车辆控制方法、设备、介质及车辆 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008191551A (ja) * | 2007-02-07 | 2008-08-21 | Advanced Telecommunication Research Institute International | 発音評定装置、およびプログラム |
| CN106203683A (zh) * | 2016-06-29 | 2016-12-07 | 西安美林数据技术股份有限公司 | 一种电力客户用电负荷预测系统的建模方法 |
| JP2018116576A (ja) * | 2017-01-19 | 2018-07-26 | 富士通株式会社 | 活動レベル判定サービス方法及びシステム |
| CN110188710A (zh) * | 2019-06-03 | 2019-08-30 | 石家庄铁道大学 | 列车驾驶员动态行为识别方法 |
| CN110689279A (zh) * | 2019-10-12 | 2020-01-14 | 上海积成能源科技有限公司 | 一种基于电力负荷数据的居民用电安全隐患分析系统及方法 |
-
2020
- 2020-08-04 CN CN202010772275.2A patent/CN111861587A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008191551A (ja) * | 2007-02-07 | 2008-08-21 | Advanced Telecommunication Research Institute International | 発音評定装置、およびプログラム |
| CN106203683A (zh) * | 2016-06-29 | 2016-12-07 | 西安美林数据技术股份有限公司 | 一种电力客户用电负荷预测系统的建模方法 |
| JP2018116576A (ja) * | 2017-01-19 | 2018-07-26 | 富士通株式会社 | 活動レベル判定サービス方法及びシステム |
| CN110188710A (zh) * | 2019-06-03 | 2019-08-30 | 石家庄铁道大学 | 列车驾驶员动态行为识别方法 |
| CN110689279A (zh) * | 2019-10-12 | 2020-01-14 | 上海积成能源科技有限公司 | 一种基于电力负荷数据的居民用电安全隐患分析系统及方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113505935A (zh) * | 2021-07-26 | 2021-10-15 | 上海东方低碳科技产业股份有限公司 | 基于集成算法的电力异常波动检测和预测计算方法 |
| CN113505935B (zh) * | 2021-07-26 | 2022-06-28 | 上海东方低碳科技产业股份有限公司 | 基于集成算法的电力异常波动检测和预测计算方法 |
| CN116092056A (zh) * | 2023-03-06 | 2023-05-09 | 安徽蔚来智驾科技有限公司 | 目标识别方法、车辆控制方法、设备、介质及车辆 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11699198B2 (en) | Methods and systems for machine-learning for prediction of grid carbon emissions | |
| CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
| CN111738462B (zh) | 电力计量装置故障抢修主动服务预警方法 | |
| CN111028004A (zh) | 一种基于大数据技术的市场评估分析方法 | |
| CN108898248B (zh) | 电力负荷影响因素量化分析方法、装置、设备及介质 | |
| CN114140176B (zh) | 一种负荷聚集平台的可调容量预测方法及装置 | |
| CN111861587A (zh) | 一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 | |
| CN111985695A (zh) | 城市综合体用电量预测方法、装置、电子设备及存储介质 | |
| CN114611738A (zh) | 一种基于用户用电行为分析的负荷预测方法 | |
| CN111798333A (zh) | 一种用能评估与用电安全分析方法和系统 | |
| CN117578534B (zh) | 光伏储能系统的调度方法、装置、设备及存储介质 | |
| CN111967919A (zh) | 一种基于自回归和自适应提升算法的居民用电行为分析的系统及方法 | |
| CN117559422A (zh) | 基于画像的工业园区可调节功率区间估计方法、系统与计算机可读存储介质 | |
| CN112258067A (zh) | 基于高斯混合模型聚类算法的低压用户缴费行为分类方法 | |
| CN111932138A (zh) | 一种基于高斯混合模型和期望极大算法的居民用电行为分析的系统及方法 | |
| CN114372835B (zh) | 综合能源服务潜力客户识别方法、系统及计算机设备 | |
| CN113902485B (zh) | 一种专变电力用户行业识别方法、装置及设备 | |
| CN115081893A (zh) | 用户用电数据分析方法、装置、电子设备及可读存储介质 | |
| CN112001551B (zh) | 一种基于大用户电量信息的地市电网售电量预测方法 | |
| CN114820036A (zh) | 面向大数据和回归分析预测算法的充电市场分析系统 | |
| CN114676931A (zh) | 一种基于数据中台技术的电量预测系统 | |
| CN113887831A (zh) | 一种新型电力负荷预测影响因素关联分析方法 | |
| 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 | |
| CN112036469A (zh) | 一种基于自回归和提升树算法的居民用电行为分析的系统及方法 | |
| CN117691583B (zh) | 一种用于虚拟电厂的电力调度系统及方法 |
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 |