一種多維負荷特性分析的大數(shù)據(jù)挖掘器的制造方法
【技術領域】
[0001] 本發(fā)明涉及電力系統(tǒng)及其自動化技術領域，具體涉及一種多維負荷特性分析的大 數(shù)據(jù)挖掘器。
【背景技術】
[0002] 負荷特性分析是智能電網(wǎng)研究的基礎，傳統(tǒng)的電力系統(tǒng)用電特性分析方法主要有 兩類：一是按影響因素分析，即在其余變量保持不變的前提下逐個提取因變量，定性或者定 量描述其對自變量的影響程度，但對象都是區(qū)域電網(wǎng)，遠遠不及電力供應側的研究精度和 深度，無法適應推行智能需求側管理的需要；二是按行業(yè)分類分析，即先對各行業(yè)或者細化 到某類型用戶的用電特性進行分析，定性或者定量得到各類型用戶對區(qū)域電網(wǎng)用電特性的 影響。但是其精確度不高，并且很難根據(jù)分析結果進行負荷預測。
[0003] 總體而言現(xiàn)有負荷特性分析技術數(shù)據(jù)利用率低，分析結果粗糙，精度不高，且無法 深入到用戶層面，不利于需求響應策略制定的精細化。
[0004] 大數(shù)據(jù)技術的迅速發(fā)展給也負荷分析工作帶來了更多的機遇和挑戰(zhàn)。研究大數(shù)據(jù) 環(huán)境下，負荷特性分析的新思路、新方法具有重要意義。

【發(fā)明內容】

[0005] 針對現(xiàn)有技術的不足，本發(fā)明提供一種多維負荷特性分析的大數(shù)據(jù)挖掘器，對大 數(shù)據(jù)環(huán)境下電力用戶的負荷特性進行了深入挖掘，為雙向互動需求響應技術提供了科學理 論支持，充分發(fā)揮了其運行效率。
[0006] 本發(fā)明的目的是采用下述技術方案實現(xiàn)的：
[0007] -種多維負荷特性分析的大數(shù)據(jù)挖掘器，其改進之處在于，所述大數(shù)據(jù)挖掘器包 括：
[0008] 電力用戶用電行為模式分析模塊、負荷特性指標分析模塊、用電行為模式的影響 因素和影響機理分析模塊、負荷曲線異常診斷模塊、電力用戶需求響應基線計算模塊、電力 用戶需求響應效果評估模塊、需求響應潛力分析模塊、突發(fā)事件負荷預測模塊；
[0009] 所述電力用戶用電行為模式分析模塊分別連接所述負荷特性指標分析模塊、用電 行為模式的影響因素和影響機理分析模塊和負荷曲線異常診斷模塊，所述用電行為模式的 影響因素和影響機理分析模塊分別連接所述電力用戶需求響應基線計算模塊和需求響應 潛力分析模塊，所述電力用戶需求響應基線計算模塊連接所述電力用戶需求響應效果評估 模塊，所述負荷曲線異常診斷模塊連接所述突發(fā)事件負荷預測模塊。
[0010] 優(yōu)選的，所述電力用戶用電行為模式分析模塊，用于采用聚類分析方法對電力用 戶的日負荷曲線進行分類，每一類對應一種用電模式，并使用類的聚類中心表征該類對應 用電模式的負荷；所述負荷特性指標分析模塊，用于根據(jù)所述用電模式的負荷確定所述用 電模式的負荷特性指標；所述用電行為模式的影響因素和影響機理分析模塊，用于根據(jù)所 述用電模式的負荷提取所述用電模式的影響因素及影響因素對應的特征量；所述負荷曲線 異常診斷模塊，用于根據(jù)所述用電模式的負荷獲取所述電力用戶的日負荷曲線的奇異點及 產(chǎn)生所述奇異點的原因；所述電力用戶需求響應基線計算模塊，用于預測電力用戶需求響 應基線值；所述電力用戶需求響應效果評估模塊，用于確定所述電力用戶參與需求響應后 實際負荷的削減量；所述需求響應潛力分析模塊，用于利用貝葉斯分類法預測指定預測日 用戶行為模式的聚類中心C s;所述突發(fā)事件負荷預測模塊，用于根據(jù)所述奇異點的原因預 測奇異點對應的社會事件下的負荷。
[0011] 進一步的，所述電力用戶用電行為模式分析模塊采用最短距離法對日負荷數(shù)據(jù)進 行系統(tǒng)聚類，獲取初始聚類中心C，所述最短距離法的類間距離公式為：
[0012] Dkl= min {d G k，PjG G L} (I)
[0013] 式⑴中，Pl為類Gk中元素，對應第i日用戶的負荷數(shù)據(jù)序列，P ,為類(^中元素， 對應第j日用戶的負荷數(shù)據(jù)序列，Dia為類G k與類h之間的距離，d U為元素 p i與元素 p」之 間的距離，公式為：
[0015] 式⑵中，Plit為用戶第i日t時刻的負荷值，P ]it為用戶第j日t時刻的負荷值；
[0016] 采用模糊C均值聚類法進行第二次聚類，包括：
[0017] 計算元素 Pj關于第i類初始聚類中心c 隸屬度u U，公式為：
[0019] 式（3)中，Ulj介于0至1之間，m為初始聚類中心個數(shù)，q為加權指數(shù)，qe [1，00 )， 屯'為P]與第i類初始聚類中心c i之間的距離，公式為：
[0021] 式⑷中，p]it為用戶第j日t時刻的負荷值，c lt為第i類初始聚類中心c i中第 t個數(shù)據(jù)點；
[0022] 計算價值函數(shù)J (U, C1, C2,......, cm)，公式為：
[0024] 式（5)中，U為隸屬矩陣，η為聚類中心中元素個數(shù)；價值函數(shù)值若小于閾值A或 相對于上一次迭代中的價值函數(shù)值的變量小于閾值Β，則停止迭代；
[0025] 更新所述初始聚類中心c，其中，新的聚類中心C1公式為：
[0027] 上述公式中，m為初始聚類中心個數(shù)，η為聚類中心中元素個數(shù)。
[0028] 進一步的，所述用電行為模式的影響因素和影響機理分析模塊構建觀測樣本矩陣 X ：
>
[0030] 式（7)中，m為觀測日總數(shù)，η為待分析因素總數(shù)，Xl]為第i個觀測日在第j個待 分析影響因素上的觀測值；
[0031] 對所述觀測樣本矩陣中元素 Xl j進行標準化變換，公式為：
[0033] 式⑶中，X' u為第i個觀測日在第j個待分析影響因素上經(jīng)標準化變換后的觀 測值，&為觀測日在第j個待分析影響因素上的平均值，公式為：
[0035] 構建觀測樣本矩陣X的相關矩陣R，其中，所述矩陣R中元素 rjg的公式為：
[0037] 式（10)中，X' u為第i個觀測日在第j個待分析影響因素上經(jīng)標準化變換后的 觀測值，？ lg為第i個觀測日在第g個待分析影響因素上經(jīng)標準化變換后的觀測值；
[0038] 根據(jù)所述相關矩陣R的特征方程I λ I-RI = 〇,獲取所述相關矩陣R的第j個待分 析因素的特征量λ ,，其中，I為所述相關矩陣R的單位矩陣，0 < j < η，η為待分析因素總 數(shù)；
[0039] 將所述相關矩陣R的待分析因素的特征量從大到小進行排序，提取前ρ個且滿足 公式（11)的所述相關矩陣R的待分析因素的特征量，公式（11)為：
[0041] 式（11)中，P為提取所述相關矩陣R的待分析因素的特征量的總數(shù)；
[0042] 上述公式中，m為觀測日總數(shù)。
[0043] 進一步的，所述負荷曲線異常診斷模塊獲取用戶t時刻的平均負荷值ρ,，公式為：
[0045] 式（12)中，η為觀測日總數(shù)，t為每日觀測時間點數(shù)，P1,t為電力用戶第i日t時 刻的負荷；
[0046] 獲取電力用戶t時刻的負荷的方差σ「，公式為：
[0048] 若電力用戶第i日t時刻的負荷P1,t滿足I爲』-艿則所述電力用戶第i日 t時刻的負荷P1,t為電力用戶的日負荷曲線的奇異點，其中，ε為閾值，取1-1.5,爲為用戶 t時刻的平均負荷值；
[0049] 獲取電力用戶的日負荷曲線的奇異點對應的社會事件，確定電力用戶的日負荷曲 線的奇異點對應的社會事件的奇異程度β，公式為：
[0051] 式（14)中，Pk為第k類社會事件的負荷奇異程度，Nk為第k類社會事件的奇異點 的日負荷曲線樣本總數(shù)，△ Sumpkih為第k類社會事件的日負荷曲線h中t時刻的奇異點與 第k類社會事件的日負荷曲線h對應的相似日的日負荷曲線中t時刻的正常值距離之和， 公式為：
[0053] 式（15)中，phi^ k類社會事件的日負荷曲線h中t時刻的奇異點負荷數(shù)據(jù)，^ 為第k類社會事件的日負荷曲線h對應的相似日日負荷曲線中t時刻的正常值；
[0054] 上述公式中，η為觀測日總數(shù)。
[0055] 進一步的，所述電力用戶需求響應基線計算模塊獲取w個電力用戶非需求響應日 的特征量序列 Xi= {x i(l), Xi (2)，Xi(3)，......，Xi(P)I，i = 1，2,......，w，Xi(p)為電力用戶 非需求響應日i的第P個特征量；
[0056] 獲取電力用戶需求響應日的特征量序列y = {y(l), y(2), y(3),......,y(P)}，y(P) 為電力用戶需求響應日第P個特征量；
[0057] 確定電力用戶非需求響應日的特征量序列與電力用戶需求響應日的特征量序列 的關聯(lián)系數(shù)，公式為：
[0059] 式（16)中，I1Q1)為電力用戶需求響應日第h個特征量與電力用戶非需求響應日 i的第h個特征量的關聯(lián)系數(shù)，h = 1，2,……，p ;
[0060] 確定所述電力用戶需求響應日的特征量序列與所述電力用戶非需求響應日的特 征量序列的關聯(lián)度，公式為：
[0062] 式（17)中，γΛ電力用戶需求響應日的特征量序列與電力用戶非需求響應日的 特征量序列^的關聯(lián)度，即電力用戶需求響應日的特征量序列與電力用戶非需求響應日的 特征量序列相似度，選擇γ 0.9對應的電力用戶非需求響應日作為相似日；
[0063] 根據(jù)相似日負荷預測需求響應日的基線負荷Pbasl。(t)，公式為：
[0065] 式（18)中，Psinil,k(t)為用戶第k個相似日的96點實際負荷，t = 1，2,……96, N 為提取的相似日總數(shù)，k= 1，2,……N，cok為第k個相似日的加權系數(shù)，公式為：
[0067] 式（19)中，yk為第k個相似日的