CN116933216A - 一种基于柔性负荷资源聚合特征分析的管理系统及方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种基于柔性负荷资源聚合特征分析的管理系统及方法，包括：获取若干组柔性负荷的规范化后时序数据；对若干组柔性负荷的规范化后时序数据进行时序分解，获取各组柔性负荷数据的季节项和残差分量；根据各组柔性负荷数据的残差分量中数据点的第一偏离程度和第二偏离程度标记处理后的数据点进行ACF函数的滞后阶数的自适应调节，得到各组柔性负荷数据的去噪残差分量；对各组柔性负荷数据的去噪残差分量进行趋势项拟合，得到各组柔性负荷数据的趋势项；根据自定义相关系数对各组柔性负荷数据的趋势项和季节项进行相关特征评估，获取精确的特征分析结果。本发明得到精确的相关性特征分析结果。

Description

一种基于柔性负荷资源聚合特征分析的管理系统及方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于柔性负荷资源聚合特征分析的管理系统及方法。

背景技术

柔性负荷资源是指能够在电力系统需求或供应发生变化时根据需要进行调整的负荷；它们可以通过改变消耗能量的方式，时间或容量来满足电力系统的灵活需求。柔性负荷包含各种类型的设备和系统，例如工业设备，商业建筑，家庭电器等；而柔性负荷资源聚合是指将多个分散的柔性负荷资源集中管理和利用的过程；通过聚合这些负荷资源，可以形成一个更大的虚拟能源存储和调度系统。柔性负荷资源聚合的目标是实现对这些资源的统一控制和优化利用，以提高电力系统的效率、稳定性和可靠性；平衡电力系统的供需关系，减少峰谷差异，提高电力系统的负载平衡能力。因此，聚合和管理柔性负荷资源成为实现智能电网和可持续能源发展的重要策略之一。由于该过程为大量且不同设备传感器通过采集各种工商业或居民用户等区域资源聚合得到的；因此聚合处理后的会存在大量柔性负荷时序数据曲线；而通常系统对于聚合后的多组柔性负荷时序数据会进行相关性的特征分析，该分析可帮助了解不同柔性负荷之间的相互关系以及揭示柔性负荷之间的依赖关系。对于制定有效的负荷管理、能源调度和优化策略至关重要；且能够更好地预测和管理负荷行为，从而提高电网的可靠性和效率。

传统分析方式下对于多组时序数据通常使用相关性系数进行其中任意两组时序数据曲线的相关性特征分析，通过计算结果获取其正负相关程度进而评估二者之间的相关性；但由于常用的皮尔逊相关系数为基于线性关系计算的，仅可描述数据之间的线性相关，而斯皮尔曼相关系数更侧重表现数据之间的非线性单调关系，同样无法捕捉到较为精确的周期性关系；因此常用的相关系数对于所述存在周期性波动的柔性负荷变化数据而言可能导致误导性结果。

发明内容

为了解决上述问题，本发明提供一种基于柔性负荷资源聚合特征分析的管理系统及方法。

本发明的一种基于柔性负荷资源聚合特征分析的管理系统及方法采用如下技术方案：

本发明一个实施例提供了一种基于柔性负荷资源聚合特征分析的管理方法，该方法包括以下步骤：

获取若干组柔性负荷的规范化后时序数据；

对若干组柔性负荷的规范化后时序数据进行时序分解，获取每组柔性负荷数据的季节项和残差分量，所述每组柔性负荷数据的残差分量内包含多个数据点，每个数据点具有负荷功率特征；

获取每组柔性负荷数据的残差分量中每个数据点的第一偏离程度；根据每组柔性负荷数据的残差分量中每个数据点的第一偏离程度获取每组柔性负荷数据的残差分量中每个第一偏离数据点和第三类数据点；获取每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值获取每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度获取每组柔性负荷数据的残差分量中第一类数据点和第二类数据点；根据初始滞后阶数获取每类数据点的滞后阶数；根据每类数据点的滞后阶数得到每组柔性负荷数据的去噪残差分量；

对每组柔性负荷数据的去噪残差分量进行趋势项拟合，得到每组柔性负荷数据的趋势项；对每组柔性负荷数据的趋势项和季节项进行相关特征评估，获取特征分析结果。

优选的，所述对若干组柔性负荷的规范化后时序数据进行时序分解，获取每组柔性负荷数据的季节项和残差分量，包括的具体方法为：

对若干组柔性负荷的规范化后时序数据使用时序分解算法进行处理，获得每组柔性负荷的规范化后时序数据的季节项，记为每组柔性负荷数据的季节项，获得每组柔性负荷的规范化后时序数据的残差分量，记为每组柔性负荷数据的残差分量。

优选的，所述获取每组柔性负荷数据的残差分量中每个数据点的第一偏离程度，包括的具体方法为：

对于任意一组柔性负荷数据，使用ARIMA模型对该组柔性负荷数据的残差分量中的所有数据点进行建模获得该组柔性负荷数据的残差分量的预测结果，将预测结果作为该组柔性负荷数据的残差分量基准线；则该组柔性负荷数据的残差分量中第个数据点的第一偏离程度的计算表达式：

；

式中，示该组柔性负荷数据的残差分量中第/>个数据点的第一偏离程度；/>表示该组柔性负荷数据的残差分量中第/>个数据点的负荷功率；/>表示该组柔性负荷数据的残差分量中所有数据点的负荷功率均值；/>表示该组柔性负荷数据的残差分量中第/>个数据点到该组柔性负荷数据的残差分量基准线的欧式距离；/>为取最小值函数；为线性归一化函数；/>表示以自然常数为底数的指数函数。

优选的，所述根据每组柔性负荷数据的残差分量中每个数据点的第一偏离程度获取每组柔性负荷数据的残差分量中每个第一偏离数据点和第三类数据点，包括的具体方法为：

对于任意一组柔性负荷数据的残差分量中第个数据点，若第/>个数据点的第一偏离程度大于等于预设阈值/>，则将第/>个数据点记为第一偏离数据点；若第/>个数据点的第一偏离程度小于预设阈值/>，则将第/>个数据点记为第三类数据点。

优选的，所述获取每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值，包括的具体方法为：

对于任意一组柔性负荷数据的残差分量中第个第一偏离数据点，第/>个第一偏离数据点的相邻最大负荷功率值的计算表达式为：

；

式中，表示第/>个第一偏离数据点的相邻最大负荷功率值；/>表示第/>个第一偏离数据点的负荷功率；/>表示第/>个第一偏离数据点的负荷功率；/>表示第个第一偏离数据点的负荷功率；/>为取最大值函数。

优选的，所述根据每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值获取每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度，包括的具体方法为：

对于任意一组柔性负荷数据，获取该组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值和第个第一偏离数据点的相邻最大负荷功率值的差值，记为第一差值集，获取第一差值集中的最小值所对应第一偏离数据点，记为目标第一偏离数据点，获取目标第一偏离数据点的序号，将目标第一偏离数据点的序号记为/>；则第/>第一偏离数据点的第二偏离程度的计算表达式为：

；

式中，表示第/>个第一偏离数据点的第二偏离程度；/>表示第/>个第一偏离数据点的相邻最大负荷功率值；/>表示第/>个第一偏离数据点的负荷功率；/>表示第个第一偏离数据点的负荷功率；/>表示第/>个第一偏离数据点的负荷功率；为预设参数；/>为取最大值函数；/>为线性归一化函数；/>表示以自然常数为底数的指数函数。

优选的，所述根据每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度获取每组柔性负荷数据的残差分量中第一类数据点和第二类数据点，包括的具体方法为：

对于任意一组柔性负荷数据的残差分量，对于该组柔性负荷数据的残差分量中第个第一偏离数据点，若第/>个第一偏离数据点的第二偏离程度大于等于预设阈值/>，则记为第一类数据点；若第/>个第一偏离数据点的第二偏离程度小于预设阈值/>，则记为第二类数据点。

优选的，所述根据初始滞后阶数获取每类数据点的滞后阶数；根据每类数据点的滞后阶数得到每组柔性负荷数据的去噪残差分量，包括的具体方法为：

对于任意一组柔性负荷数据的残差分量，获取该组柔性负荷数据的残差分量中在特征空间内的所有数据点的总数量，并将该组柔性负荷数据的残差分量中的所有数据点，记为第一数据点集；将第一数据点集的总数量与预设参数的乘积作为初始滞后阶数；

将初始滞后阶数的二分之一作为第一类数据点的滞后阶数；将初始滞后阶数的二倍作为第二类数据点的滞后阶数；将初始滞后阶数作为第三类数据点的滞后阶数；根据每类数据点的滞后阶数，对第一数据点集通过ACF函数进行ACF自相关计算，排除第一数据点集中的噪声数据点，得到该组柔性负荷数据的去噪残差分量。

优选的，所述对每组柔性负荷数据的去噪残差分量进行趋势项拟合，得到每组柔性负荷数据的趋势项；对每组柔性负荷数据的趋势项和季节项进行相关特征评估，包括的具体方法为：

对每组柔性负荷数据的去噪残差分量使用LOESS局部加权回归平滑进行趋势项的拟合处理；拟合得到每组柔性负荷数据的趋势项；

对于任意两组柔性负荷数据，对所述两组柔性负荷数据的趋势项使用皮尔逊相关系数进行处理获得第一相关性系数；对所述两组柔性负荷数据的季节项使用斯皮尔曼相关系数进行处理获得第二相关性系数；将第一相关性系数和第二相关性系数的均值作为所述两组柔性负荷数据的相关性系数，若相关性系数大于等于预设阈值，则将所述两组柔性负荷数据记为相关性强的两组柔性负荷数据。

本发明的实施例提供了一种基于柔性负荷资源聚合特征分析的管理系统，该系统包括数据获取模块、数据分解模块、数据特征获取模块以及数据特征分析模块，其中：

数据获取模块，用于获取若干组柔性负荷的规范化后时序数据；

数据分解模块，用于对若干组柔性负荷的规范化后时序数据进行时序分解，获取每组柔性负荷数据的季节项和残差分量，所述每组柔性负荷数据的残差分量内包含多个数据点；

数据特征获取模块，用于获取每组柔性负荷数据的残差分量中每个数据点的第一偏离程度；根据每组柔性负荷数据的残差分量中每个数据点的第一偏离程度获取每组柔性负荷数据的残差分量中每个第一偏离数据点和第三类数据点；获取每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值获取每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度获取每组柔性负荷数据的残差分量中第一类数据点和第二类数据点；根据初始滞后阶数获取每类数据点的滞后阶数；根据每类数据点的滞后阶数得到每组柔性负荷数据的去噪残差分量；

数据特征分析模块，用于对每组柔性负荷数据的去噪残差分量进行趋势项拟合，得到每组柔性负荷数据的趋势项；根据自定义相关系数对每组柔性负荷数据的趋势项和季节项进行相关特征评估，获取特征分析结果。

本发明的技术方案的有益效果是：针对因常用的皮尔逊相关系数为基于线性关系计算的，仅可描述数据之间的线性相关，而斯皮尔曼相关系数更侧重表现数据之间的非线性单调关系，同样无法捕捉到较为精确的周期性关系；因此常用的相关系数对于所述存在周期性波动的柔性负荷变化数据而言可能导致误导性结果的问题；本发明通过将传统相关性系数与时序分解结合，对柔性负荷数据进行季节项的分解，分别对分解后的时序数据进行针对性的相关性分析；最终获取多组柔性负荷数据准确的相关性特征；得到精确的相关性特征分析结果。

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为本发明的一种基于柔性负荷资源聚合特征分析的管理方法的步骤流程图；

图2为本发明的一种基于柔性负荷资源聚合特征分析的管理系统的结构框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于柔性负荷资源聚合特征分析的管理系统及方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于柔性负荷资源聚合特征分析的管理系统及方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于柔性负荷资源聚合特征分析的管理方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取若干组柔性负荷的规范化后时序数据。

需要说明的是，为了更好地进行后续时序数据的变化分析，需要对多组时序数据进行特征空间规范化处理，因为在相同的时间基元和相同单位的负荷消耗功率特征空间下，各时序数据的变化特征分析更具有客观比较性。

具体的，为了实现本实施例提出的一种基于柔性负荷资源聚合特征分析的管理方法，首先需要采集若干组柔性负荷的规范化后时序数据，具体过程为：首先，通过数据传感器获取资源聚合后的若干组柔性负荷时序数据，资源聚合后的若干组柔性负荷时序数据是由若干个数据点组成，每个数据点具有负荷功率特征；其次，将资源聚合后的若干组柔性负荷时序数据映射到相同的特征空间中进行规范化处理，获得资源聚合后的若干组柔性负荷的规范化后时序数据，将其记为若干组柔性负荷的规范化后时序数据；其中，规范化处理后的特征空间横轴为时间，基元为秒或毫秒；纵轴为负荷功率值，负荷功率以功率表示，单位为瓦特（W）或千瓦（KW），基元和单位根据具体测量设备和领域标准设定，统一即可。

至此，通过上述方法得到若干组柔性负荷的规范化后时序数据。

步骤S002：对若干组柔性负荷的规范化后时序数据进行时序分解，获取各组柔性负荷数据的季节项和残差分量。

需要说明的是，由于传统相关性系数的直接使用会导致负荷时序数据场景下得到的结果出现较大的偏差，因此针对于此问题，该步骤引入时序分解思想，对若干组柔性负荷的规范化后时序数据进行时序分解，获取其内部存在的周期性变化同时获取数据的整体趋势性变化。

进一步需要说明的，由于若干组柔性负荷的规范化后时序数据存在一定的周期性波动特征，因此通过时序分解可以将每组柔性负荷的规范化后时序数据的周期性波动特征提取出来，也即分解得到季节项是具有各组柔性负荷的规范化后时序数据更为明显的周期波动特征。

具体的，对若干组柔性负荷的规范化后时序数据使用时序分解算法进行处理，获得每组柔性负荷的规范化后时序数据的季节项，记为每组柔性负荷数据的季节项，并同时获得每组柔性负荷的规范化后时序数据的残差分量，记为每组柔性负荷数据的残差分量；其中，时序分解算法为现有技术，此处不作过多赘述。

至此，通过上述方法得到各组柔性负荷数据的季节项和残差分量。

步骤S003：根据各组柔性负荷数据的残差分量中数据点的第一偏离程度和第二偏离程度标记处理后的数据点进行ACF函数的滞后阶数的自适应调节，得到各组柔性负荷数据的去噪残差分量。

需要说明的是，由于皮尔逊相关系数受异常值影响很大，甚至单个异常值仍可能对最终所得相关系数产生显著的影响；又由于时序分解所得到的残差分量中包含一定的噪声数据点；其对于趋势项的拟合会带来较为严重的干扰；因此会导致拟合趋势项存在平滑程度较低或突变程度较高的现象；进而导致最终对于两者负荷时序数据趋势项进行皮尔逊相关系数的计算结果偏差较大，相关性特征分析效果不佳；通过解决残差分量中噪声数据点带来的拟合干扰；间接解决皮尔逊相关系数受异常噪声点影响较大的问题；得到趋势项相关性的准确评估。

进一步需要说明的是，对于得到各组柔性负荷数据的残差分量；通常对其使用局部加权回归平滑进行趋势项的拟合，但根据所述分析可知，由于残差分量中存在的随机噪声数据点对趋势项拟合以及趋势项之间相关性分析造成的影响；因此在拟合趋势项前需要对残差分量中数据点进行特征分析，根据残差分量中数据点的偏离程度特征对ACF（自相关函数）中的滞后阶数进行自适应调整；使得生成的ACF图表准确反映并识别出残差分量中的噪声数据点。

1.获取每组柔性负荷数据的残差分量中第一偏离数据点和第一偏离程度小的数据点。

预设一个阈值参数，其中本实施例以/>例进行叙述，本实施例不进行具体限定，其中/>根据具体实施情况而定。

具体的，对于任意一组柔性负荷数据，获取该组柔性负荷数据的残差分量中在特征空间内的所有数据点；使用ARIMA模型对该组柔性负荷数据的残差分量中在特征空间内的所有数据点进行建模，并使用所述模型的预测结果作为该组柔性负荷数据的残差分量基准线，则该组柔性负荷数据的残差分量中第个数据点的第一偏离程度的计算表达式：

；

式中，表示该组柔性负荷数据的残差分量中第/>个数据点的第一偏离程度；/>表示该组柔性负荷数据的残差分量中第/>个数据点的负荷功率；/>表示该组柔性负荷数据的残差分量中所有数据点的负荷功率均值；/>表示该组柔性负荷数据的残差分量中第/>个数据点到该组柔性负荷数据的残差分量基准线的欧式距离；/>为取最小值函数；为线性归一化函数；/>示以自然常数为底数的指数函数。

获取每组柔性负荷数据的残差分量中每个数据点的第一偏离程度，对于任意一组柔性负荷数据的残差分量中第个数据点，若第/>个数据点的第一偏离程度大于等于预设阈值/>，则记为第一偏离数据点；若第/>个数据点的第一偏离程度小于预设阈值/>，则记为第三类数据点。

至此，获得每组柔性负荷数据的残差分量中第一偏离数据点和第三类数据点。

2.获取每组柔性负荷数据的残差分量中第一偏离程度大且第二偏离程度大的数据点和第一偏离程度大但第二偏离程度小的数据点。

预设两个参数，其中本实施例以/>例进行叙述，本实施例不进行具体限定，其中/>根据具体实施情况而定。

具体的，对于任意一组柔性负荷数据，获取该组柔性负荷数据的残差分量中所有第一偏离数据点，对于任意一组柔性负荷数据的残差分量中第个第一偏离数据点，第/>个第一偏离数据点的相邻最大负荷功率值的计算表达式为：

；

式中，表示第/>个第一偏离数据点的相邻最大负荷功率值；/>表示第/>个第一偏离数据点的负荷功率；/>表示第/>个第一偏离数据点的负荷功率；/>表示第个第一偏离数据点的负荷功率；/>为取最大值函数。

对于任意一组柔性负荷数据，获取该组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值和第个第一偏离数据点的相邻最大负荷功率值的差值，记为第一差值集，获取第一差值集中的最小值所对应第一偏离数据点，记为目标第一偏离数据点，获取目标第一偏离数据点的序号，将目标第一偏离数据点的序号记为/>；则第/>个第一偏离数据点的第二偏离程度的计算表达式为：

；

式中，表示第/>个第一偏离数据点的第二偏离程度；/>表示第/>个第一偏离数据点的相邻最大负荷功率值；/>表示第/>个第一偏离数据点的负荷功率；/>表示第个第一偏离数据点的负荷功率；/>表示第/>个第一偏离数据点的负荷功率；为预设参数；/>为取最大值函数；/>为线性归一化函数；/>表示以自然常数为底数的指数函数。

对于任意一组柔性负荷数据的残差分量，获取该组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度，对于该组柔性负荷数据的残差分量中第个第一偏离数据点，若第/>个第一偏离数据点的第二偏离程度大于等于预设阈值/>，则记为第一类数据点；若第/>个第一偏离数据点的第二偏离程度小于预设阈值/>，则记为第二类数据点。

至此，获得每组柔性负荷数据的残差分量中第一类数据点和第二类数据点。

3.对每组柔性负荷数据的残差分量种所有数据点进行ACF函数的滞后阶数的自适应调节。

需要说明的是，对于第一第二偏离程度均大的数据点其为噪声数据点的可能性更大，而对于第一偏离程度高但第二偏离程度较低的数据点其为离散数据点，为噪声点的可能性较低；由此对其自适应选择滞后阶数。

预设一个参数，其中本实施例以/>例进行叙述，本实施例不进行具体限定，其中/>根据具体实施情况而定。

具体的，对于任意一组柔性负荷数据的残差分量，获取该组柔性负荷数据的残差分量中在特征空间内的所有数据点的总数量，并将该组柔性负荷数据的残差分量中的所有数据点，记为第一数据点集；将第一数据点集的总数量与预设参数的乘积作为初始滞后阶数。

对于任意一组柔性负荷数据的残差分量，将初始滞后阶数的二分之一作为第一类数据点的滞后阶数；将初始滞后阶数的二倍作为第二类数据点的滞后阶数；将初始滞后阶数作为第三类数据点的滞后阶数；根据每类数据点的滞后阶数，对第一数据点集通过ACF函数进行ACF自相关计算，排除第一数据点集中的噪声数据点，得到排除噪声数据点的数据点集，也即得到该组柔性负荷数据的去噪残差分量。

至此，通过上述方法得到每组柔性负荷数据的去噪残差分量。

步骤S004：对各组柔性负荷数据的去噪残差分量进行趋势项拟合，得到各组柔性负荷数据的趋势项；根据自定义相关系数对各组柔性负荷数据的趋势项和季节项进行相关特征评估，获取精确的特征分析结果。

需要说明的是，对于分解的各项定义不同的相关系数进行评估计算：对于获取分解得到的季节项，可使用捕捉非线性单调关系较强的斯皮尔曼相关系数进行当前两组负荷数据的季节项相关性评估；由于斯皮尔曼相关系数的鲁棒性较强，对异常值敏感性较低，因此其对于分解所得季节项相关性的分析可以产生相对稳健的结果；而对于原始时序数据分解出季节项后的剩余残差分量而言；通常会对其进行拟合处理，得到趋势项；由于趋势项通常具有较强的线性变化特征，因此本实施例通过对分解所得趋势项选择使用皮尔逊相关系数进行相关性分析。

具体的，对每组柔性负荷数据的去噪残差分量使用LOESS局部加权回归平滑进行趋势项的拟合处理；拟合得到每组柔性负荷数据的趋势项。

对于任意两组柔性负荷数据，对所述两组柔性负荷数据的趋势项使用皮尔逊相关系数（pearson）进行处理获得第一相关性系数；对所述两组柔性负荷数据的季节项使用斯皮尔曼相关系数（Spearman correlation）进行处理获得第二相关性系数；将第一相关性系数和第二相关性系数的均值作为所述两组柔性负荷数据的相关性系数，若相关性系数大于等于预设阈值，则将所述两组柔性负荷数据记为相关性强的两组柔性负荷数据。

由此获取资源聚合后系统中多组相关性强的柔性负荷数据，实现准确的特征分析效果；达到最优的特征分析结果。

请参阅图2，其示出了本发明一个实施例提供的一种基于柔性负荷资源聚合特征分析的管理系统的结构框图，该系统包括以下模块：

数据获取模块，用于获取若干组柔性负荷的规范化后时序数据；

数据分解模块，用于对若干组柔性负荷的规范化后时序数据进行时序分解，获取每组柔性负荷数据的季节项和残差分量，所述每组柔性负荷数据的残差分量内包含多个数据点；

数据特征获取模块，用于获取每组柔性负荷数据的残差分量中每个数据点的第一偏离程度；根据每组柔性负荷数据的残差分量中每个数据点的第一偏离程度获取每组柔性负荷数据的残差分量中每个第一偏离数据点和第三类数据点；获取每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值获取每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度获取每组柔性负荷数据的残差分量中第一类数据点和第二类数据点；根据初始滞后阶数获取每类数据点的滞后阶数；根据每类数据点的滞后阶数得到每组柔性负荷数据的去噪残差分量；

数据特征分析模块，用于对每组柔性负荷数据的去噪残差分量进行趋势项拟合，得到每组柔性负荷数据的趋势项；根据自定义相关系数对每组柔性负荷数据的趋势项和季节项进行相关特征评估，获取特征分析结果。

本实施例针对因常用的皮尔逊相关系数为基于线性关系计算的，仅可描述数据之间的线性相关，而斯皮尔曼相关系数更侧重表现数据之间的非线性单调关系，同样无法捕捉到较为精确的周期性关系；因此常用的相关系数对于所述存在周期性波动的柔性负荷变化数据而言可能导致误导性结果的问题；本发明通过将传统相关性系数与时序分解结合，对柔性负荷数据进行季节项的分解，分别对分解后的时序数据进行针对性的相关性分析；最终获取多组柔性负荷数据准确的相关性特征；得到精确的相关性特征分析结果。

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 (10)

1.一种基于柔性负荷资源聚合特征分析的管理方法，其特征在于，该方法包括以下步骤：

获取若干组柔性负荷的规范化后时序数据；

对若干组柔性负荷的规范化后时序数据进行时序分解，获取每组柔性负荷数据的季节项和残差分量，所述每组柔性负荷数据的残差分量内包含多个数据点，每个数据点具有负荷功率特征；

获取每组柔性负荷数据的残差分量中每个数据点的第一偏离程度；根据每组柔性负荷数据的残差分量中每个数据点的第一偏离程度获取每组柔性负荷数据的残差分量中每个第一偏离数据点和第三类数据点；获取每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值获取每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度获取每组柔性负荷数据的残差分量中第一类数据点和第二类数据点；根据初始滞后阶数获取每类数据点的滞后阶数；根据每类数据点的滞后阶数得到每组柔性负荷数据的去噪残差分量；

对每组柔性负荷数据的去噪残差分量进行趋势项拟合，得到每组柔性负荷数据的趋势项；对每组柔性负荷数据的趋势项和季节项进行相关特征评估，获取特征分析结果。

2.根据权利要求1所述一种基于柔性负荷资源聚合特征分析的管理方法，其特征在于，所述对若干组柔性负荷的规范化后时序数据进行时序分解，获取每组柔性负荷数据的季节项和残差分量，包括的具体方法为：

对若干组柔性负荷的规范化后时序数据使用时序分解算法进行处理，获得每组柔性负荷的规范化后时序数据的季节项，记为每组柔性负荷数据的季节项，获得每组柔性负荷的规范化后时序数据的残差分量，记为每组柔性负荷数据的残差分量。

3.根据权利要求1所述一种基于柔性负荷资源聚合特征分析的管理方法，其特征在于，所述获取每组柔性负荷数据的残差分量中每个数据点的第一偏离程度，包括的具体方法为：

对于任意一组柔性负荷数据，使用ARIMA模型对该组柔性负荷数据的残差分量中的所有数据点进行建模获得该组柔性负荷数据的残差分量的预测结果，将预测结果作为该组柔性负荷数据的残差分量基准线；则该组柔性负荷数据的残差分量中第个数据点的第一偏离程度的计算表达式：

；

式中，表示该组柔性负荷数据的残差分量中第/>个数据点的第一偏离程度；/>表示该组柔性负荷数据的残差分量中第/>个数据点的负荷功率；/>表示该组柔性负荷数据的残差分量中所有数据点的负荷功率均值；/>表示该组柔性负荷数据的残差分量中第/>个数据点到该组柔性负荷数据的残差分量基准线的欧式距离；/>为取最小值函数；/>为线性归一化函数；/>表示以自然常数为底数的指数函数。

4.根据权利要求1所述一种基于柔性负荷资源聚合特征分析的管理方法，其特征在于，所述根据每组柔性负荷数据的残差分量中每个数据点的第一偏离程度获取每组柔性负荷数据的残差分量中每个第一偏离数据点和第三类数据点，包括的具体方法为：

对于任意一组柔性负荷数据的残差分量中第个数据点，若第/>个数据点的第一偏离程度大于等于预设阈值/>，则将第/>个数据点记为第一偏离数据点；若第/>个数据点的第一偏离程度小于预设阈值/>，则将第/>个数据点记为第三类数据点。

5.根据权利要求1所述一种基于柔性负荷资源聚合特征分析的管理方法，其特征在于，所述获取每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值，包括的具体方法为：

对于任意一组柔性负荷数据的残差分量中第个第一偏离数据点，第/>个第一偏离数据点的相邻最大负荷功率值的计算表达式为：

；

式中，表示第/>个第一偏离数据点的相邻最大负荷功率值；/>表示第/>个第一偏离数据点的负荷功率；/>表示第/>个第一偏离数据点的负荷功率；/>表示第个第一偏离数据点的负荷功率；/>为取最大值函数。

6.根据权利要求1所述一种基于柔性负荷资源聚合特征分析的管理方法，其特征在于，所述根据每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值获取每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度，包括的具体方法为：

对于任意一组柔性负荷数据，获取该组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值和第第一偏离数据点的相邻最大负荷功率值的差值，记为第一差值集，获取第一差值集中的最小值所对应第一偏离数据点，记为目标第一偏离数据点，获取目标第一偏离数据点的序号，将目标第一偏离数据点的序号记为/>；则第/>个第一偏离数据点的第二偏离程度的计算表达式为：

；

式中，表示第/>个第一偏离数据点的第二偏离程度；/>表示第/>个第一偏离数据点的相邻最大负荷功率值；/>表示第/>个第一偏离数据点的负荷功率；/>表示第/>个第一偏离数据点的负荷功率；/>表示第/>个第一偏离数据点的负荷功率；/>为预设参数；/>为取最大值函数；/>为线性归一化函数；/>表示以自然常数为底数的指数函数。

7.根据权利要求1所述一种基于柔性负荷资源聚合特征分析的管理方法，其特征在于，所述根据每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度获取每组柔性负荷数据的残差分量中第一类数据点和第二类数据点，包括的具体方法为：

对于任意一组柔性负荷数据的残差分量，对于该组柔性负荷数据的残差分量中第个第一偏离数据点，若第/>个第一偏离数据点的第二偏离程度大于等于预设阈值/>，则记为第一类数据点；若第/>个第一偏离数据点的第二偏离程度小于预设阈值/>，则记为第二类数据点。

8.根据权利要求1所述一种基于柔性负荷资源聚合特征分析的管理方法，其特征在于，所述根据初始滞后阶数获取每类数据点的滞后阶数；根据每类数据点的滞后阶数得到每组柔性负荷数据的去噪残差分量，包括的具体方法为：

对于任意一组柔性负荷数据的残差分量，获取该组柔性负荷数据的残差分量中在特征空间内的所有数据点的总数量，并将该组柔性负荷数据的残差分量中的所有数据点，记为第一数据点集；将第一数据点集的总数量与预设参数第一类数据点的滞后阶数；

将初始滞后阶数的二分之一作为第一类数据点的滞后阶数；将初始滞后阶数的二倍作为第二类数据点的滞后阶数；将初始滞后阶数作为第三类数据点的滞后阶数；根据每类数据点的滞后阶数，对第一数据点集通过ACF函数进行ACF自相关计算，排除第一数据点集中的噪声数据点，得到该组柔性负荷数据的去噪残差分量。

9.根据权利要求3所述一种基于柔性负荷资源聚合特征分析的管理方法，其特征在于，所述对每组柔性负荷数据的去噪残差分量进行趋势项拟合，得到每组柔性负荷数据的趋势项；对每组柔性负荷数据的趋势项和季节项进行相关特征评估，包括的具体方法为：

对每组柔性负荷数据的去噪残差分量使用LOESS局部加权回归平滑进行趋势项的拟合处理；拟合得到每组柔性负荷数据的趋势项；

对于任意两组柔性负荷数据，对所述两组柔性负荷数据的趋势项使用皮尔逊相关系数进行处理获得第一相关性系数；对所述两组柔性负荷数据的季节项使用斯皮尔曼相关系数进行处理获得第二相关性系数；将第一相关性系数和第二相关性系数的均值作为所述两组柔性负荷数据的相关性系数，若相关性系数大于等于预设阈值，则将所述两组柔性负荷数据记为相关性强的两组柔性负荷数据。

10.一种基于柔性负荷资源聚合特征分析的管理系统，其特征在于，该系统包括以下模块：

数据获取模块，用于获取若干组柔性负荷的规范化后时序数据；

数据分解模块，用于对若干组柔性负荷的规范化后时序数据进行时序分解，获取每组柔性负荷数据的季节项和残差分量，所述每组柔性负荷数据的残差分量内包含多个数据点；

数据特征获取模块，用于获取每组柔性负荷数据的残差分量中每个数据点的第一偏离程度；根据每组柔性负荷数据的残差分量中每个数据点的第一偏离程度获取每组柔性负荷数据的残差分量中每个第一偏离数据点和第三类数据点；获取每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的相邻最大负荷功率值获取每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度；根据每组柔性负荷数据的残差分量中每个第一偏离数据点的第二偏离程度获取每组柔性负荷数据的残差分量中第一类数据点和第二类数据点；根据初始滞后阶数获取每类数据点的滞后阶数；根据每类数据点的滞后阶数得到每组柔性负荷数据的去噪残差分量；

数据特征分析模块，用于对每组柔性负荷数据的去噪残差分量进行趋势项拟合，得到每组柔性负荷数据的趋势项；根据自定义相关系数对每组柔性负荷数据的趋势项和季节项进行相关特征评估，获取特征分析结果。