【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于智能電網(wǎng)，具體涉及用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法。
技術(shù)介紹
1、隨著國(guó)家電網(wǎng)公司不斷推進(jìn)智能電網(wǎng)建設(shè)，特殊電源或分布式電源接入等非常規(guī)電網(wǎng)運(yùn)行環(huán)境的出現(xiàn)，以及大量電力電子設(shè)備的應(yīng)用，對(duì)電能計(jì)量裝置的計(jì)量性能帶來(lái)了多種影響，進(jìn)而影響了安全生產(chǎn)的穩(wěn)定性；與此同時(shí)，隨著現(xiàn)代社會(huì)對(duì)電力需求的不斷增長(zhǎng)和電力系統(tǒng)的日益復(fù)雜化，如何有效管理和優(yōu)化電力資源成為了一個(gè)繼續(xù)解決的問(wèn)題；用戶用電行為的多樣性和不確定性使得電力資源的合理配置和能源利用效率提升變得更加困難；因此，精確描繪電力用戶的用電行為和特征，進(jìn)而實(shí)現(xiàn)個(gè)性化的電力管理和優(yōu)化，是提升電力系統(tǒng)效率和用戶滿意度的關(guān)鍵；傳統(tǒng)的電力用戶畫像構(gòu)建方法通常側(cè)重于用戶的基本用電特征，如負(fù)荷率、峰谷差率等，但在面對(duì)諧波問(wèn)題時(shí)，往往忽視了諧波特征對(duì)用電行為的影響，諧波作為電力系統(tǒng)中不可忽視的信號(hào)成分，其對(duì)電力系統(tǒng)的穩(wěn)定性和能源效率有著深遠(yuǎn)的影響，諧波特征包括諧波含量、諧波分布以及各次諧波對(duì)功率的影響等，這些特征能夠提供對(duì)用戶用電行為的額外洞察，有助于更加全面的理解用戶的電力使用情況；因此，提供一種融合用戶用電與諧波特征、構(gòu)建用戶畫像、提高故障判斷精度、提高電網(wǎng)穩(wěn)定性與可靠性的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法是非常有必要的。
技術(shù)實(shí)現(xiàn)思路
1、(一)技術(shù)問(wèn)題
2、針對(duì)上述現(xiàn)有技術(shù)現(xiàn)狀，本申請(qǐng)主要針對(duì)以下技術(shù)問(wèn)題：
3、1.用戶用電行為的多樣性和不確定性使得電力資源的合理配置和能源利用效率提升變得更加困難；<...
【技術(shù)保護(hù)點(diǎn)】
1.用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述方法包括以下步驟：
2.如權(quán)利要求1所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟1中的數(shù)據(jù)獲取是基于數(shù)據(jù)中臺(tái)獲取營(yíng)銷業(yè)務(wù)系統(tǒng)、用電信息采集系統(tǒng)中的檔案數(shù)據(jù)、運(yùn)行數(shù)據(jù)、事件數(shù)據(jù)、輔助研判數(shù)據(jù)；其中①檔案數(shù)據(jù)包括：電能表信息、用戶信息、計(jì)量點(diǎn)信息；②運(yùn)行數(shù)據(jù)包括：測(cè)量點(diǎn)日正反向電能示值曲線、日有功功率曲線、日無(wú)功功率曲線、日功率因數(shù)曲線、日電壓曲線、日電流曲線；③事件數(shù)據(jù)包括：電能表潮流反向事件、電能表功率反向事件；④輔助研判數(shù)據(jù)包括：分相正反向電能示值數(shù)據(jù)、相位角數(shù)據(jù)。
3.如權(quán)利要求1所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟2中的數(shù)據(jù)預(yù)處理，具體處理規(guī)則如下：①篩選用戶類型；②剔除空值；③剔除反向結(jié)算用戶；④剔除光伏用戶；⑤剔除無(wú)負(fù)荷；⑥剔除失壓、斷相等異常數(shù)據(jù)；⑦剔除電壓、電流、功率、功率因數(shù)不全的日數(shù)據(jù)。
4.如權(quán)利要求1所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟6中的基于用戶用電特征與諧波特征構(gòu)建電力用戶畫像
5.如權(quán)利要求4所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟6.1中的隨機(jī)森林算法，具體為：通過(guò)構(gòu)建多個(gè)決策樹并對(duì)其結(jié)果進(jìn)行集成，決策樹的數(shù)學(xué)描述如下：對(duì)于樣本集D共含有n個(gè)類別Hi(i＝1,2,...,n)，其中，其中，I為樣本的期望熵；di為屬于類別Hi的樣本數(shù)；d為樣本總數(shù)；E(A)為樣本的單個(gè)特征A的期望熵；k為樣本集特征總數(shù)；dij為屬于類別i的樣本的第j個(gè)特征。
6.如權(quán)利要求5所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟6.1中的Kendal?l相關(guān)系數(shù)法，具體為：對(duì)于任意特征A1，A2，Kendal?l相關(guān)系數(shù)的計(jì)算方法如下：其中，B和C分別為排序一致與不一致的樣本對(duì)；T1與T2分別為在特征A1與A2的樣本集中出現(xiàn)相同的樣本數(shù)量。
7.如權(quán)利要求4所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟6.2中的特征適應(yīng)度評(píng)價(jià)指標(biāo)構(gòu)建，具體為：對(duì)于任意特征集a∈A，其評(píng)價(jià)函數(shù)P(a)為：P(a)＝R(a)-K(a)(9)，其中，其中R(a)與K(a)分別為特征集a中綜合計(jì)算的重要性值與冗余度；Na為特征集a包含的特征數(shù)；m1與m2分別為特征集a中兩個(gè)不同特征。
8.如權(quán)利要求7所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟6.2中的麻雀搜索算法進(jìn)行迭代優(yōu)化，具體為：麻雀種群分為發(fā)現(xiàn)者，跟隨者和偵察者，捕食過(guò)程中發(fā)現(xiàn)者的位置更新如下：其中，為第i只麻雀在第t次迭代與j維中的位置；α為(0，1]之間的隨機(jī)數(shù)；R2∈[0,1]與ST∈[0.5,1]分別為預(yù)警值與安全值；Q為服從正態(tài)分布的隨機(jī)數(shù)；L為1×d的矩陣。
9.如權(quán)利要求8所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述跟隨者的位置更新如下：其中，xp與xworst分別為發(fā)現(xiàn)者的最佳位置與全局最差位置；n為種群規(guī)模；A為1×d的矩陣；
10.一種具有時(shí)鐘同步的錄波儀，基于如權(quán)利要求1-9任一項(xiàng)所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，構(gòu)建結(jié)合用電特征與諧波特征的用戶畫像，其特征在于：所述錄波儀包括信號(hào)處理模塊、用電特征篩選模塊以及錄波數(shù)據(jù)處理分析模塊；其中所述信號(hào)處理模塊用于對(duì)測(cè)試用的錄波數(shù)據(jù)進(jìn)行分析，生成合適的調(diào)試數(shù)據(jù)，反饋給錄波儀調(diào)試人員，進(jìn)而對(duì)錄波儀功能參數(shù)進(jìn)行調(diào)整；所述用電特征篩選模塊用于利用居民臺(tái)區(qū)負(fù)荷數(shù)據(jù)對(duì)用戶側(cè)用電行為數(shù)據(jù)進(jìn)行分析，通過(guò)機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)方法對(duì)用戶用電特征進(jìn)行篩選；所述錄波數(shù)據(jù)處理分析模塊用于對(duì)采集的錄波數(shù)據(jù)進(jìn)行處理，結(jié)合用電行為數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，提取與用戶用電行為相關(guān)的諧波特征。
...【技術(shù)特征摘要】
1.用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述方法包括以下步驟：
2.如權(quán)利要求1所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟1中的數(shù)據(jù)獲取是基于數(shù)據(jù)中臺(tái)獲取營(yíng)銷業(yè)務(wù)系統(tǒng)、用電信息采集系統(tǒng)中的檔案數(shù)據(jù)、運(yùn)行數(shù)據(jù)、事件數(shù)據(jù)、輔助研判數(shù)據(jù)；其中①檔案數(shù)據(jù)包括：電能表信息、用戶信息、計(jì)量點(diǎn)信息；②運(yùn)行數(shù)據(jù)包括：測(cè)量點(diǎn)日正反向電能示值曲線、日有功功率曲線、日無(wú)功功率曲線、日功率因數(shù)曲線、日電壓曲線、日電流曲線；③事件數(shù)據(jù)包括：電能表潮流反向事件、電能表功率反向事件；④輔助研判數(shù)據(jù)包括：分相正反向電能示值數(shù)據(jù)、相位角數(shù)據(jù)。
3.如權(quán)利要求1所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟2中的數(shù)據(jù)預(yù)處理，具體處理規(guī)則如下：①篩選用戶類型；②剔除空值；③剔除反向結(jié)算用戶；④剔除光伏用戶；⑤剔除無(wú)負(fù)荷；⑥剔除失壓、斷相等異常數(shù)據(jù)；⑦剔除電壓、電流、功率、功率因數(shù)不全的日數(shù)據(jù)。
4.如權(quán)利要求1所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟6中的基于用戶用電特征與諧波特征構(gòu)建電力用戶畫像，包括以下步驟：
5.如權(quán)利要求4所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟6.1中的隨機(jī)森林算法，具體為：通過(guò)構(gòu)建多個(gè)決策樹并對(duì)其結(jié)果進(jìn)行集成，決策樹的數(shù)學(xué)描述如下：對(duì)于樣本集d共含有n個(gè)類別hi(i＝1,2,...,n)，其中，其中，i為樣本的期望熵；di為屬于類別hi的樣本數(shù)；d為樣本總數(shù)；e(a)為樣本的單個(gè)特征a的期望熵；k為樣本集特征總數(shù)；dij為屬于類別i的樣本的第j個(gè)特征。
6.如權(quán)利要求5所述的用戶需求側(cè)典型場(chǎng)景下的波形數(shù)據(jù)標(biāo)注方法，其特征在于：所述步驟6.1中的kendal?l相關(guān)系數(shù)法，具體為：對(duì)于任意特征a1，a2，kendal?l相關(guān)系數(shù)的計(jì)算方法如下：其中，b和c分別...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳曉雯，劉冰，黑靖皓，王金珂，劉騫，楊鐵軍，
申請(qǐng)(專利權(quán))人：國(guó)網(wǎng)河南省電力公司營(yíng)銷服務(wù)中心，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。