CN115630831B - 一种电力需求侧管理辅助决策支持系统 - Google Patents

Abstract

本发明涉及用于电力监督管理的数据处理领域，提出了一种电力需求侧管理辅助决策支持系统，包括：数据采集模块，获取用户用电负荷数据；数据处理模块：根据负荷数据获取用户的第一负荷序列，得到若干第一类别及用户之间的第一对应时段；根据第一对应时段得到第一对应曲线，对第一对应曲线分解获取第二周期曲线，根据第二周期曲线获取每个用户的若干模式；对两个用户之间的模式进行匹配得到第三模式对，根据第三模式对获取用户的第一浪费程度，根据同一第一类别的第一浪费程度获取第二浪费概率，并得到第三浪费率；浪费管理模块：根据用户的第三浪费率判断用户是否浪费并采取相应措施。本发明旨在解决无法根据用户用电行为进行需求侧管理的问题。

Description

一种电力需求侧管理辅助决策支持系统

技术领域

本发明涉及用于电力监督管理的数据处理领域，具体涉及一种电力需求侧管理辅助决策支持系统。

背景技术

需求侧管理工作在保证稳定供电的同时，更加注重促进电力工业的可持续发展，在对电力用户分类时，传统的电力用户分类标准是按照行业、用电量、可靠性等，然而这些分类考虑的因素过于单一，没有注重具体用户用电行为，无法提取用户用电行为模式，难以实现精细化的需求侧管理，进而无法做到从需求侧出发的对于电力的节能环保应用，需要一种可以根据用户用电规律及趋势性来判断用户是否浪费电能并采取相应需求侧管理措施的决策支持判断系统。

发明内容

本发明提供一种电力需求侧管理辅助决策支持系统，以解决现有的无法针对具体用户的用电行为进行需求侧管理的问题，所采用的技术方案具体如下：

本发明一个实施例提供了一种电力需求侧管理辅助决策支持系统，该系统包括数据采集模块、数据处理模块及浪费管理模块：

数据采集模块，获取不同用户的用电负荷数据及负荷曲线；

数据处理模块，根据每个用户每天的用电负荷数据获取每个用户的第一负荷序列，根据每个用户的第一负荷序列获取任意两个用户之间的第一距离，根据第一距离获取两个用户之间的累积成本矩阵，根据第一距离与第一预设阈值的比较结果获取若干第一类别，根据每个第一类别中任意两个用户之间的累积成本矩阵，获取两个用户之间的若干第一对应时段；

根据两个用户之间的若干第一对应时段对两个用户的负荷曲线进行划分，得到两个用户的若干第一对应曲线，对每个用户的第一对应曲线进行分解获取每个用户的第二周期曲线，根据对第二周期曲线进行傅里叶变换后的幅值表现，获取每个用户的每个第二周期曲线中的若干第二序列，根据相邻的第二序列之间的余弦相似度获取每个用户的每个第二周期曲线中的若干第二类别，根据第二类别获取每个用户的每个第二周期曲线中的若干第三模式曲线，将每个第二类别中所有第二序列的均值作为每个第二类别的第三序列，将每个第三模式曲线的对应时段作为每个第二类别的第三模式时段；

对两个用户之间的第一对应时段中的若干第三序列进行最优化匹配，获取两个用户之间的若干第三模式对，根据第三模式对中两个用户的第三模式时段及第三模式序列分别获取两个用户的第一浪费程度，获取每个用户相较于同一第一类别中其他所有用户的第一浪费程度并进行阈值分割得到第三分割阈值，根据大于第三分割阈值的第一浪费程度获取每个用户的第二浪费概率，根据每个用户每天的第二浪费概率获取每个用户的第三浪费率；

浪费管理模块，根据每个用户的第三浪费率与第四预设阈值的比较结果，对部分用户采取相应措施。

可选的，所述获取每个用户的第一负荷序列，包括的具体方法为：

每个用户的用电负荷数据包括多天的负荷数据，每天的负荷数据为一个时序负荷序列，在横坐标为时间、纵坐标为负荷值得坐标系中负荷数据可以表示为负荷曲线，将每个用户的每天的时序负荷序列的均值作为每个用户的第一负荷序列。

可选的，所述获取两个用户之间的累积成本矩阵，包括的具体方法为：

根据每个用户的第一负荷序列，计算任意两个用户之间的DTW距离，记为两个用户之间的第一距离，根据DTW距离计算过程同时获取两个用户之间的累积成本矩阵。

可选的，所述获取若干第一类别，包括的具体方法为：

根据任意两个用户之间的第一距离，将第一距离小于第一预设阈值的对应两个用户划分为同一类别，得到的划分结果记为若干第一类别。

可选的，所述获取两个用户之间的若干第一对应时段，包括的具体方法为：

通过两个用户之间的累积成本矩阵，获取两个用户的第一负荷序列中元素的对应关系，标注其中一对多和多对一的节点元素，根据节点元素对应的时间点对两个用户的每天的负荷曲线进行划分，划分的若干段两个用户之间对应的负荷曲线所属的时间段记为第一对应时段。

可选的，所述获取每个用户的每个第二周期曲线中的若干第二序列，包括的具体方法为：

对第二周期曲线进行傅里叶变换，将频域空间中的幅值表现按照升序排列并进行多阈值分割，将最大的幅值类别中每个幅值对应的频率值的倒数作为变动季节，根据每个变动季节分别对第二周期曲线进行一次划分，得到根据每个变动季节划分的若干第二序列。

可选的，所述获取每个用户的每个第二周期曲线中的若干第二类别，包括的具体方法为：

获取每个变动季节划分下的相邻第二序列的余弦相似度，所述第二序列实质为一段第二周期曲线，分别对每个变动季节划分下的相邻第二序列的余弦相似度与第二预设阈值比较并分类，得到分别对应一个变动季节的第二类别。

可选的，所述获取两个用户的第一浪费程度，包括的具体方法为：

其中，表示用户相较于用户在一天的第一浪费程度，表示两个用户所有第三模式对中用户的平均负荷大于用户的平均负荷的第三模式对的数量，表示第个第三模式对中用户的第三模式时段，表示第个第三模式对中用户的第三模式时段，表示第个第三模式对中用户的第三模式序列中的元素均值，所述平均负荷及第三模式序列中的元素均值表示第三模式序列中元素对应的负荷数据均值，表示第个第三模式对中用户的第三模式序列中的元素均值，表示以自然常数为底的指数函数。

可选的，所述获取每个用户的第二浪费概率，包括的具体方法为：

其中，表示用户在一天的第二浪费概率，表示用户所在第一类别中用户的总数，表示用户在该天大于第三分割阈值的第一浪费程度数量，表示用户在该天大于第三分割阈值的第一浪费程度中相较于第个用户的第一浪费程度。

可选的，所述获取每个用户的第三浪费率，包括的具体方法为：

其中，表示用户的第三浪费率，表示用户的主成分方向，所述主成分方向为利用PCA方法分析以第二浪费概率为纵坐标，天数为横坐标的坐标系中的坐标点获取，表示用户共有天的用电负荷数据，表示用户在第天的第二浪费概率。

本发明的有益效果是：通过用户负荷数据的DTW距离对用户进行分类，有助于将相同用电规律的用户分到一类，对同一类别中的用户进行比较，计算浪费概率，参考性较大，计算得到的数据的可信度较大；通过不同用户负荷曲线的STL分解周期曲线的模式对应关系计算浪费概率，进而结合多天的数据趋势进行计算，可以有效提高浪费率的准确度和可信度，使得工作人员通过所述数据制定相应的政策可以起到有效的作用。

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为本发明的一个实施例所提供一种电力需求侧管理辅助决策支持系统的结构框图；

图2为基于累积成本矩阵的区域对应示例图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明一个实施例所提供的一种电力需求侧管理辅助决策支持系统结构框图，该系统包括数据采集模块S101、数据处理模块S102及浪费管理模块S103：

数据采集模块S101：获取不同用户的用电负荷数据及负荷曲线。

本实施例的目的是针对不同用户的用电负荷及用电规律，实施差异化的用电需求侧管理，为电力需求侧管理工作提供决策辅助；因此需要获取不同用户在一段时间内的用电负荷数据，所述用电负荷数据包含每个用户多天的用电负荷数据，同时每一天的负荷数据都为时序的，以时序为横坐标、负荷数据为纵坐标可以得到每个用户每天的负荷曲线。

数据处理模块S102：

（1）根据每个用户每天的用电负荷数据获取每个用户的第一负荷序列，根据第一负荷获取若干第一类别，获取同一第一类别中任意两个用户之间的若干第一对应时段。

需要说明的是，数据显示，居民虽然有一定的节能意识，但家庭用电浪费现象还是比较普遍；要对用电浪费采取相应措施，需要计算分析哪些用户存在浪费行为，通过对多个用户的负荷数据及负荷曲线进行分析，将用电规律相似的用户划分到同一类别，根据同一类别中各用户之间的相对应的用电模式下用电时段的差异及用电负荷的变化来判断用户是否存在浪费行为；同时，由于每个用户具有多天的负荷数据，为方便对相似用电规律的用户进行分类，提取用户多天负荷数据的均值来进行相似性计算。

具体的，每个用户每天的负荷数据均可表示为时序的负荷序列，对同一用户多天的负荷序列求均值，得到的均值序列记为每个用户的第一负荷序列；所述均值序列即是将每天的负荷序列中相同位置数据的均值作为均值序列相同位置的元素。

进一步需要说明的是，用户的用电规律反映的是用户的大致用电模式变化，不考虑时序上是否每个时间点相似或对应，因此利用DTW距离对任意两个用户之间判断其用电规律的相似性。

具体的，计算任意两个用户之间第一负荷序列的DTW距离，记为第一距离，将第一距离小于第一预设阈值的对应两个用户划分为同一类别，本实施例给出的第一预设阈值为10，此时得到的划分结果记为若干第一类别；同一第一类别中各用户之间的第一距离较小，用电规律相似性较大；不同第一类别中各用户之间的第一距离较大，用电规律相似性较小。

进一步的，请参阅图2，其示出了基于累积成本矩阵的得到的区域对应关系，所述累积成本矩阵在DTW距离计算过程中可以得到，图中表示了两条折线间的对应关系，图2中A、B、C、D、E、F、G以及a、b、c、d、e、f、g、h分别是两条折线上的若干数据点，记为节点，本实施例以这些节点为例来说明区域对应关系：A-B区域对应a-b-c-d区域，表示为AB区域对应ad区域，而BF区域对应dh区域。

具体的，根据两个用户之间的累积成本矩阵，获取两个用户各自第一负荷序列中元素的对应关系；请参阅图2，其中的A节点即为一个一对多的节点，对应了a、b和c三个节点，而a、b和c三个节点均对应了A节点，为多对一节点，将第一负荷序列中有一对多和多对一关系的元素记为节点元素，标注其中一对多和多对一的节点元素，根据节点元素对应的时间点对两个用户的每天的负荷曲线进行划分，划分的若干段两个用户之间对应的负荷曲线所属的时间段记为第一对应时段；请参阅图2，如果两条折线表示时序变化的第一负荷序列，则A-B时段和a-b-c-d即为两个第一负荷序列间的一个第一对应时段；需要说明的是，由于第一负荷序列由用户每天的负荷数据求均值得到，因此划分的时间节点适用于用户的所有负荷曲线。

此时，根据同一第一类别中两个用户的第一距离及累积成本矩阵，获取到了用电规律相似的用户之间各时间段的用电对应关系，即为第一对应时段，相同第一对应时段内不同用户使用的电器种类相同，不同第一对应时段内使用电器种类不同。

（2）根据两个用户之间的第一对应时段得到两个用户的若干第一对应曲线，对第一对应曲线进行STL分解获取每个用户的第二周期曲线，根据第二周期曲线的周期变化表现获取每个用户的第三模式时段。

需要说明的是，得到多个第一对应时段后，相同第一对应时段两个用户使用的是一个或多个同种电器，但数量可能存在差异；通过STL对第一对应时段的对应负荷曲线进行分解获取第二周期曲线，周期曲线中可能包含多个模式下的不同变动季节，根据这些变动季节对第二周期曲线中不同的模式进行提取，同一模式下使用的电器种类相同，不同模式下使用的电器种类不同。

具体的，根据两个用户之间的第一对应时段分别对两个用户同一天的负荷曲线进行划分，第一对应时段对应时序负荷数据上的时间节点，根据这些时间节点分别对两个用户的负荷曲线进行划分，得到两个用户在同一天中的若干第一对应曲线，再对每个用户的每段第一对应曲线进行STL分解获取第一对应曲线相应的第二周期曲线；需要说明的是，STL对曲线进行分解可以分别得到趋势线、周期曲线及残差点，其中周期曲线中包含有若干周期，记为变动季节，且一段第二周期曲线中的若干变动季节不一定完全相同，即是可能存在多种变动季节，每种变动季节对应一个模式；例如用户在晚上9-10点使用白炽灯，10-11点使用电视、白炽灯和热水器；用户在晚上9-11点使用白炽灯，在11-1点打开多个电视、多个白炽灯和热水器；此时，用户在9-11点与用户在9-1点为第一对应时段，使用同种电器的时段记为同种模式。

进一步的需要说明的是，为获取第二周期曲线中的不同种变动季节，对第二周期曲线进行傅里叶变换转化到频域空间中，横坐标为频率而纵坐标为幅值，频域空间中如果仅有一个较大的幅值而其他幅值都较小，说明这段第二周期曲线中仅有一种变动季节，即只有一个模式；如果存在多个较大的幅值，则说明可能有多种变动季节，对应了多个模式。

具体的，对第二周期曲线进行傅里叶变换到频域空间后，将存在的所有幅值排列为一个升序序列，对升序序列通过OTSU多阈值分割得到若干幅值类别，选择最后一个幅值类别，由于升序排列，最后一个幅值类别中的元素均值即为所有类别中最大的元素均值，将其中每个元素即每个幅值对应的频率值的倒数作为每个变动季节，因此第二周期曲线对应得到多个变动季节，根据每个变动季节分别对第二周期曲线进行一次划分，所述划分是以变动季节对第二周期曲线进行均等分割，得到根据每个变动季节划分的若干第二序列，将变动季节视为模式，从而得到每个模式下的若干第二序列。

此时，每个变动季节的实质仍为一个时段，因此可以对曲线进行划分，得到的第二序列实质为曲线中的时序数据，当相邻的第二序列相似度较大时，表明此时变动季节对该处曲线的划分较为合理，划分后的相邻第二序列即曲线符合周期性变化，这些曲线属于相应的变动季节，变化周期即为变动季节；而若变化周期与变动季节不符或差异较大，会导致划分出的曲线丧失周期性变化特征，进而导致相邻的第二序列相似度很小。

具体的，获取每个变动季节划分下的相邻第二序列的余弦相似度，分别对每个变动季节划分下的相邻第二序列的余弦相似度与第二预设阈值比较并分类，本实施例给出第二预设阈值为0.9，将余弦相似度大于第二预设阈值的相邻第二序列归入一类，得到分别对应一个变动季节的第二类别。

至此，根据第二周期曲线对应的多个变动季节获取到了若干第二类别，记为若干模式，所述变动季节即为第二周期曲线中不同的周期变化，根据第二类别对第二周期曲线进行划分得到每个第二周期曲线中的若干第三模式曲线，所述第二类别包含若干第二序列，每个第二序列对应一部分第二周期曲线，将同一第二类别中所有第二序列对应的部分第二周期曲线作为第三模式曲线，将每个第三模式曲线对应的时段作为每个模式的第三模式时段，同时将每个模式中所有第二序列的均值作为每个模式的第三序列；相同模式下的使用电器种类相同，不同模式下的使用电器种类不同。

（3）根据两个用户之间的第一对应时段中的若干模式进行最优化匹配，得到两个用户的若干第三模式对，并根据第三模式对获取两个用户的第一浪费程度，根据每个用户相较于同一第一类别中的其他用户的第一浪费程度获取第二浪费概率，根据每个用户每天的第二浪费概率获取每个用户的第三浪费率。

需要说明的是，两个用户之间的每个第一对应时段分别对应一段第二周期曲线，每段第二周期曲线中包含若干模式，对两个用户各自的模式进行匹配，根据同一天中所有模式对的时段及负荷的差异表现获取第一浪费程度，再通过每个用户相较于同一第一类别中的其他所有用户的第一浪费程度，获取每个用户在该天的第二浪费概率，再对多天的第二浪费概率进行主成分趋势方向分析，获取每个用户的第三浪费率。

具体的，获取任意两个用户之间的第一对应时段中的所有模式，将两个用户的模式构建二分图，其中左侧节点为一个用户所有模式对应的第三序列，右侧节点为另一个用户所有模式对应的第三序列，边值采用左右两个节点对应模式的第三序列之间的余弦相似度，根据边值通过KM算法进行最优化匹配，获取到若干第三模式对；需要说明的是，左右两侧节点在最优化匹配后均为一对一情况，第三模式对之间不存在重复情况；按照上述方法获取两个用户之间在同一天中的所有第三模式对，此时，每个第三模式对下的两个用户在第一对应时段内使用的电器种类相同，同一第一对应时段内不同的第三模式对使用的电器种类不同。

进一步的，根据第三模式对的第三序列及第三模式时段获取两个用户之间的第一浪费程度，以用户在某一天相较于用户的第一浪费程度为例，其计算方法为：

其中，表示两个用户所有第三模式对中用户的平均负荷大于用户的平均负荷的第三模式对的数量，表示第个第三模式对中用户的第三模式时段，表示第个第三模式对中用户的第三模式时段，表示第个第三模式对中用户的第三模式序列中的元素均值，所述平均负荷及第三模式序列中的元素均值表示第三模式序列中元素对应的负荷数据均值，表示第个第三模式对中用户的第三模式序列中的元素均值，表示以自然常数为底的指数函数，用于归一化处理；此时，先获取用户平均负荷大于用户平均负荷的第三模式对，根据这些第三模式对中两个用户之间的相同模式时段差异及平均负荷差异获取两个用户之间的第一浪费程度，相同模式时段差异越大，平均负荷差异越大，说明用户相较于用户在该天的浪费程度越大。

进一步需要说明的是，单一用户组合之间的浪费程度无法准确反映每个用户的浪费程度，根据每个用户与相同第一类别中其他所有用户的第一浪费程度进行分析，此时同一第一类别中用户的用电规律相似，可以较好反映用户在某一天的浪费用电发生概率。

具体的，以用户为例，首先将用户与同一第一类别中其他所有用户的第一浪费程度进行升序排列并通过OTSU阈值分割，得到第三分割阈值，则用户在某一天的第二浪费概率的计算方法为：

其中，表示用户所在的第一类别中用户的总数，表示用户在该天大于第三分割阈值的第一浪费程度数量，表示用户在该天大于第三预设阈值的第一浪费程度中相较于第个用户的第一浪费程度；此时，将较大浪费程度与所有浪费程度的占比及较大浪费程度的均值的乘积作为用户的第二浪费概率，较大浪费程度越多，占比越大，浪费概率越大；较大浪费程度的均值越大，浪费概率越大。

进一步的，用户在每天都有对应的第二浪费概率，按照上述方法获取用户所有天的第二浪费概率，并以横坐标为天数，纵坐标为第二浪费概率，对这些第二浪费概率及对应天数构建坐标系，对所述坐标系中的坐标点进行PCA算法分析，获取用户的主成分方向趋势；具体的，利用PCA算法获取每个坐标点的方向，每个坐标点的方向都是一个二维单位向量且对应一个特征值，本实施例选择最大特征值对应的方向为主成分趋势方向，表示这些坐标点投影方差最大的方向，即这些坐标点的主要分布方向；需要说明的是，利用主成分方向与水平右向的夹角来量化主成分方向，记为，主成分方向在第一象限说明浪费概率整体呈现增大趋势，因此使用正值，而不在第一象限说明浪费概率整体呈现减小趋势，将主成分方向修正为对应度数与180度的差值绝对值，再在绝对值前面加负号转换为负值，特殊的，大于270度的主成分方向计算其与360度的差值绝对值，再添加负号转换为负值，此时得到的主成分方向仍记为，为更新后的主成分方向值。

进一步的，根据用户在每天的第二浪费概率及主成分方向获取用户在多天负荷数据下的第三浪费率，计算方法为：

其中，表示用户的主成分方向，所述主成分方向为如上述方法利用PCA方法分析以第二浪费概率为纵坐标，天数为横坐标的坐标系中的坐标点获取，表示用户共有天的用电负荷数据，表示用户在第天的第二浪费概率；此时，用户的第二浪费概率均值越大，主成分方向值越大，用户的第二浪费概率呈现增长趋势，用户的第三浪费率越大；按照上述方法获取所有用户的第三浪费率。

浪费管理模块S103：根据每个用户的第三浪费率获取用户的浪费判断结果并采取对应措施。

将每个用户的第三浪费率与第四预设阈值进行比较，本实施例给出第四预设阈值为0.7，对第三浪费率大于0.7的用户认为其用电浪费较大，对其进行节能教育学习及控制阶梯电价的相应措施，完成从电力需求侧的管理对电价决策的辅助支持作用。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种电力需求侧管理辅助决策支持判断系统，其特征在于，该系统包括：

数据采集模块，获取不同用户的用电负荷数据及负荷曲线；

数据处理模块，根据每个用户每天的用电负荷数据获取每个用户的第一负荷序列，根据每个用户的第一负荷序列获取任意两个用户之间的第一距离，根据第一距离获取两个用户之间的累积成本矩阵，根据第一距离与第一预设阈值的比较结果获取若干第一类别，根据每个第一类别中任意两个用户之间的累积成本矩阵，获取两个用户之间的若干第一对应时段；

根据两个用户之间的若干第一对应时段对两个用户的负荷曲线进行划分，得到两个用户的若干第一对应曲线，对每个用户的第一对应曲线进行STL分解获取每个用户的第二周期曲线，根据对第二周期曲线进行傅里叶变换后的幅值表现，获取每个用户的每个第二周期曲线中的若干第二序列，根据相邻的第二序列之间的余弦相似度获取每个用户的每个第二周期曲线中的若干第二类别，根据第二类别获取每个用户的每个第二周期曲线中的若干第三模式曲线，将每个第二类别中所有第二序列的均值作为每个第二类别的第三序列，将每个第三模式曲线的对应时段作为每个第二类别的第三模式时段；

对两个用户之间的第一对应时段中的若干第三序列进行最优化匹配，获取两个用户之间的若干第三模式对，根据第三模式对中两个用户的第三模式时段及第三序列分别获取两个用户的第一用电程度，获取每个用户相较于同一第一类别中其他所有用户的第一用电程度并进行阈值分割得到第三分割阈值，根据大于第三分割阈值的第一用电程度获取每个用户的第二用电概率，根据每个用户每天的第二用电概率获取每个用户的第三用电率；

用电管理模块，对每个用户的第三用电率与第四预设阈值进行比较，若所述第三用电率大于所述第四预设阈值，则确定所述用户的用电浪费较大，所述用户即为需要被采取相应措施的用户；

所述获取两个用户之间的若干第一对应时段，包括的具体方法为：

通过两个用户之间的累积成本矩阵，获取两个用户的第一负荷序列中元素的对应关系，标注其中一对多和多对一的节点元素，根据节点元素对应的时间点对两个用户的每天的负荷曲线进行划分，划分的若干段两个用户之间对应的负荷曲线所属的时间段记为第一对应时段；

所述获取每个用户的每个第二周期曲线中的若干第二序列，包括的具体方法为：

对第二周期曲线进行傅里叶变换，将频域空间中的幅值表现按照升序排列并进行多阈值分割，将最大的幅值类别中每个幅值对应的频率值的倒数作为变动季节，根据每个变动季节分别对第二周期曲线进行一次划分，得到根据每个变动季节划分的若干第二序列；

所述获取两个用户的第一用电程度，包括的具体方法为：

其中，表示用户相较于用户在一天的第一用电程度，表示两个用户所有第三模式对中用户的平均负荷大于用户的平均负荷的第三模式对的数量，表示第个第三模式对中用户的第三模式时段，表示第个第三模式对中用户的第三模式时段，表示第个第三模式对中用户的第三序列中的元素均值，所述平均负荷及第三序列中的元素均值表示第三序列中元素对应的负荷数据均值，表示第个第三模式对中用户的第三序列中的元素均值，表示以自然常数为底的指数函数；

所述获取每个用户的第三用电率，包括的具体方法为：

其中，表示用户的第三用电率，表示用户的主成分方向，所述主成分方向为利用PCA方法分析以第二用电概率为纵坐标，天数为横坐标的坐标系中的坐标点获取，表示用户共有天的用电负荷数据，表示用户在第天的第二用电概率。

2.根据权利要求1所述的一种电力需求侧管理辅助决策支持判断系统，其特征在于，所述获取每个用户的第一负荷序列，包括的具体方法为：

每个用户的用电负荷数据包括多天的负荷数据，每天的负荷数据为一个时序负荷序列，在横坐标为时间、纵坐标为负荷值的坐标系中负荷数据可以表示为负荷曲线，将每个用户的每天的时序负荷序列的均值作为每个用户的第一负荷序列。

3.根据权利要求1所述的一种电力需求侧管理辅助决策支持判断系统，其特征在于，所述获取两个用户之间的累积成本矩阵，包括的具体方法为：

根据每个用户的第一负荷序列，计算任意两个用户之间的DTW距离，记为两个用户之间的第一距离，根据DTW距离计算过程获取两个用户之间的累积成本矩阵。

4.根据权利要求1所述的一种电力需求侧管理辅助决策支持判断系统，其特征在于，所述获取若干第一类别，包括的具体方法为：

根据任意两个用户之间的第一距离，将第一距离小于第一预设阈值的对应两个用户划分为同一类别，得到的划分结果记为若干第一类别。

5.根据权利要求1所述的一种电力需求侧管理辅助决策支持判断系统，其特征在于，所述获取每个用户的每个第二周期曲线中的若干第二类别，包括的具体方法为：

获取每个变动季节划分下的相邻第二序列的余弦相似度，所述第二序列实质为一段第二周期曲线，分别对每个变动季节划分下的相邻第二序列的余弦相似度与第二预设阈值比较并分类，得到分别对应一个变动季节的第二类别。

6.根据权利要求1所述的一种电力需求侧管理辅助决策支持判断系统，其特征在于，所述获取每个用户的第二用电概率，包括的具体方法为：

其中，表示用户在一天的第二用电概率，表示用户所在第一类别中用户的总数，表示用户在该天大于第三分割阈值的第一用电程度数量，表示用户在该天大于第三分割阈值的第一用电程度中相较于第个用户的第一用电程度。

Images