一种综合能源系统用户画像方法及系统技术方案

本发明专利技术提供一种综合能源系统用户画像方法及系统，属于数据统计与分析领域，所述方法具体包含以下步骤：从计量表获取各个时刻各用户的用电量、用热量、用气量并进行存储；对数据进行分类和预处理，处理缺失数据和噪声数据；对分类后的数据进一步细分，利用聚类方法形成典型用户用能数据组；依据画像后细分的数据，利用预测方法对每一组数据进行预测，最终得到细化的用户用能行为与总量预测结果。总量预测结果可以帮助综合能源系统安排生产调度计划，细分的预测结果可以帮助市场人员分析用户用能习惯，制定合理的市场价格并实施合理的需求侧管理，改善用户用能行为，提升系统运行的经济性。

A User Portrait Method and System for Integrated Energy System

【技术实现步骤摘要】
一种综合能源系统用户画像方法及系统
本专利技术涉及数据统计与分析领域，具体是一种综合能源系统用户画像方法及系统。
技术介绍
随着能源危机与环境问题形势日益严峻，提高能源利用率与清洁能源占比成为世界各国能源计划中的关键举措。综合能源系统通过燃气轮机、集热泵等设备，利用天然气实现了电能、热能的协调优化、相互转换，打破了能源多元化利用的壁垒，提升了能源利用效率。综合能源系统是未来城市能源变革的主要发展方向。但综合能源系统相比于传统的电力系统、热力管道系统、供气系统等，由于存在多种能源形式之间的相互转化和用户对能源的多元化需求，在规划建设、运行调度过程中更为复杂。如何更为精细地对用户进行分类管理，预测用户用能行为，满足用户的用能需求，合理安排综合能源系统的生产计划，是综合能源系统经济、安全运行要解决的关键问题。已有的负荷预测技术往往只能对某一时间进行总量预测，而产生这一负荷总量的深层次原因无法获悉，同时综合能源系统内天然气供给量、电能供给量、热能供给量是相互关联的，存在耦合关系，分别对各进行总量预测，难以挖掘其中各种能源之间利用的关联关系，无法解释不同用户的用能习惯与预测结果之间的关系。预测结果只能服务于生产计划的制定，无法服务于能源销售市场，无法有针对的制定阶梯价格等需求侧管理措施，指导用户的用能行为，合理避峰平谷，提升综合能源系统的运营效益。考虑以上问题，本专利技术提供了一种适用于综合能源系统用户用能行为预测的方法。
技术实现思路
本专利技术的目的是提供一种综合能源系统用户画像方法及系统，用于预测综合能源系统的能源需求预测，并能通过获取到典型用户的用能习惯，帮助综合能源系统的市场管理人员，制定合理的能源销售政策。一种综合能源系统用户画像方法，包括以下步骤：步骤1、从计量表获取各个时刻各用户的用电量、用热量、用气量并进行存储；步骤2、对步骤1获得的数据进行分类和预处理；步骤3、对步骤2分类和预处理后的各用户数据进行聚类分析，形成典型用户的数据画像，具体为：1)从历史数据中任选K个样本值付给初始聚类中心μ1、…uk，K为大于1的自然数，并记Ck为第k个聚类样本集合(k取值范围为1-K)；2)对于第i个样本点xi，计算其与各聚类中心uk的欧氏距离d(xi,μi)，找出欧式距离最小的聚类中心，将样本xi归入该聚类中心对应的样本集中；3)当所有样本被分类后，重新计算K个聚类中心：4)计算第g次迭代的收敛准则函数值(g为大于1的自然数)：5)判断收敛性：若|E(g)-E(g-1)|＞ε0<ε<＝1则表示没有收敛，继续跳回步骤2)进行，直到公式(4)的结果收敛；步骤4、根据步骤3得到的典型用户的数据画像，利用负荷预测方法进行总量预测，最终得到细化的用户用能行为与总量预测结果。进一步的，所述步骤2具体包括：步骤2.1、按照时间维度与能源属性维度，将数据进行分类，时间维度分为工作日数据、休息日数据和法定节假日数据，能源属性维度分为电能数据、热能数据和燃气数据，经排列组合后，各个用户的数据被分为工作日电能数据、工作日热能数据、工作日燃气数据、休息日电能数据、休息日热能数据、休息日燃气数据、法定节假日电能数据、法定节假日热能数据和法定节假日燃气数据；步骤2.2、按步骤2.1的维度分类后，对数据中缺失数据、噪声数据进行处理。进一步的，所述步骤2.2对数据中缺失数据、噪声数据进行处理具体为：对于缺失的数据：对于由于设备故障或人为因素造成的部分空缺数据值，采用临近日期同时刻的平均值作为空缺数据。该式表示i个临近数据中第n+j时刻数据缺失的处理，pn表示第n个数据，pn+i表示第n+i个数据，pn+j表示第n+j个数据；对于噪声数据：对于某一数据值相比于同期数据浮动大于50％的，认为其为由于采集系统错误或存储错误导致的噪声数据，对于此类数据通过下式进行处理：其中，p(d,t)是第d天t时负荷值，p(t)是最近几日同一时刻的负荷平均值，θ为同期数据浮动的阈值。进一步的，步骤3中利用负荷预测方法进行总量预测具体为：经过步骤3数据画像后，步骤1中排列组合每一类用户数据中共产生K组画像，利用支持向量机，对以上每一类每一组的数据分别进行总量预测，共计预测9*K次，支持向量机基本步骤如下：(1)首先找输入量，校正误差，并进行归一化处理；(2)形成训练样本矩阵；(3)确定向量机的核参数；(4)对样本数据进行训练，建立预测模型；(5)预测指定时间段内的负荷。对所有3*K次结果进行叠加，得到工作日电能数据、工作日热能数据、工作日燃气数据、休息日电能数据、休息日热能数据、休息日燃气数据、法定节假日电能数据、法定节假日热能数据和法定节假日燃气数据的总量预测结果。一种综合能源系统用户画像系统，包括：数据获取层，用于从计量表获取各个时刻各用户的用电量、用热量、用气量并进行存储；数据处理层，用于对数据获取层获得的数据进行分类和预处理；数据画像层，用于对数据处理层分类和预处理后的各用户数据进行聚类分析，形成典型用户的数据画像，具体为：1)从历史数据中任选K个样本值付给初始聚类中心μ1、…uk，K为大于1的自然数，并记Ck为第k个聚类样本集合(k取值范围为1-K)；2)对于第i个样本点xi，计算其与各聚类中心uk的欧氏距离d(xi,μi)，找出欧式距离最小的聚类中心，将样本xi归入该聚类中心对应的样本集中；3)当所有样本被分类后，重新计算K个聚类中心：4)计算第g次迭代的收敛准则函数值(g为大于1的自然数)：5)判断收敛性：若|E(g)-E(g-1)|＞ε0<ε<＝1则表示没有收敛，继续跳回步骤2)进行，直到公式(4)的结果收敛；步骤；数据应用层，用于根据数据画像层得到的典型用户的数据画像，利用负荷预测方法进行总量预测，最终得到细化的用户用能行为与总量预测结果。进一步的，所述数据处理层包括数据分类模块和数据预处理模块，所述数据分类模块，用于按照时间维度与能源属性维度，将数据进行分类，时间维度分为工作日数据、休息日数据和法定节假日数据，能源属性维度分为电能数据、热能数据和燃气数据，经排列组合后，各个用户的数据被分为工作日电能数据、工作日热能数据、工作日燃气数据、休息日电能数据、休息日热能数据、休息日燃气数据、法定节假日电能数据、法定节假日热能数据和法定节假日燃气数据；所述数据预处理模块用于对数据中缺失数据、噪声数据进行处理，具体的：对于缺失的数据：对于由于设备故障或人为因素造成的部分空缺数据值，采用临近日期同时刻的平均值作为空缺数据。该式表示i个临近数据中第n+j时刻数据缺失的处理，pn表示第n个数据，pn+i表示第n+i个数据，pn+j表示第n+j个数据；对于噪声数据：对于某一数据值相比于同期数据浮动大于50％的，认为其为由于采集系统错误或存储错误导致的噪声数据，对于此类数据通过下式进行处理：其中，p(d,t)是第d天t时负荷值，p(t)是最近几日同一时刻的负荷平均值，θ为同期数据浮动的阈值。本专利技术的有益效果是：基于精细化分类后的总量预测，便于综合能源系统管理人员细分用户的用能习惯，分析总量预测结果于用户用能行为之间的关系，便于市场人员制定合理的能源阶梯价格和套餐费用，实现能源利用的削峰填谷，提升设备与能源的利用率，降低能源损耗与运行成本，提升本文档来自技高网...

【技术保护点】
1.一种综合能源系统用户画像方法，其特征在于包括如下步骤：步骤1、从计量表获取各个时刻各用户的用电量、用热量、用气量并进行存储；步骤2、对步骤1获得的数据进行分类和预处理；步骤3、对步骤2分类和预处理后的各用户数据进行聚类分析，形成典型用户的数据画像，具体为：1)从历史数据中任选K个样本值付给初始聚类中心μ1、…uk，K为大于1的自然数，并记Ck为第k个聚类样本集合(k取值范围为1‑K)；2)对于第i个样本点xi，计算其与各聚类中心uk的欧氏距离d(xi,μi)，找出欧式距离最小的聚类中心，将样本xi归入该聚类中心对应的样本集中；3)当所有样本被分类后，重新计算K个聚类中心：

【技术特征摘要】
1.一种综合能源系统用户画像方法，其特征在于包括如下步骤：步骤1、从计量表获取各个时刻各用户的用电量、用热量、用气量并进行存储；步骤2、对步骤1获得的数据进行分类和预处理；步骤3、对步骤2分类和预处理后的各用户数据进行聚类分析，形成典型用户的数据画像，具体为：1)从历史数据中任选K个样本值付给初始聚类中心μ1、…uk，K为大于1的自然数，并记Ck为第k个聚类样本集合(k取值范围为1-K)；2)对于第i个样本点xi，计算其与各聚类中心uk的欧氏距离d(xi,μi)，找出欧式距离最小的聚类中心，将样本xi归入该聚类中心对应的样本集中；3)当所有样本被分类后，重新计算K个聚类中心：4)计算第g次迭代的收敛准则函数值(g为大于1的自然数)：5)判断收敛性：若|E(g)-E(g-1)|＞ε0<ε<＝1则表示没有收敛，继续跳回步骤2)进行，直到公式(4)的结果收敛；步骤4、根据步骤3得到的典型用户的数据画像，利用负荷预测方法进行总量预测，最终得到细化的用户用能行为与总量预测结果。2.如权利要求1所述的综合能源系统用户画像方法，其特征在于：所述步骤2具体包括：步骤2.1、按照时间维度与能源属性维度，将数据进行分类，时间维度分为工作日数据、休息日数据和法定节假日数据，能源属性维度分为电能数据、热能数据和燃气数据，经排列组合后，各个用户的数据被分为工作日电能数据、工作日热能数据、工作日燃气数据、休息日电能数据、休息日热能数据、休息日燃气数据、法定节假日电能数据、法定节假日热能数据和法定节假日燃气数据；步骤2.2、按步骤2.1的维度分类后，对数据中缺失数据、噪声数据进行处理。3.如权利要求2所述的综合能源系统用户画像方法，其特征在于：所述步骤2.2对数据中缺失数据、噪声数据进行处理具体为：对于缺失的数据：对于由于设备故障或人为因素造成的部分空缺数据值，采用临近日期同时刻的平均值作为空缺数据。该式表示i个临近数据中第n+j时刻数据缺失的处理，pn表示第n个数据，pn+i表示第n+i个数据，pn+j表示第n+j个数据；对于噪声数据：对于某一数据值相比于同期数据浮动大于50％的，认为其为由于采集系统错误或存储错误导致的噪声数据，对于此类数据通过下式进行处理：其中，p(d,t)是第d天t时负荷值，p(t)是最近几日同一时刻的负荷平均值，θ为同期数据浮动的阈值。4.如权利要求1所述的综合能源系统用户画像方法，其特征在于：步骤3中利用负荷预测方法进行总量预测具体为：经过步骤3数据画像后，步骤1中排列组合每一类用户数据中共产生K组画像，利用支持向量机，对以上每一类每一组的数据分别进行总量预测，共计预测9*K次，支持向量机基本步骤如下：(1)首先找输入量，校正误...

【专利技术属性】
技术研发人员：丁凯，钱一民，胡畔，李伟，王易，陈乔，
申请(专利权)人：国家电网有限公司，国网湖北省电力有限公司电力科学研究院，
类型：发明
国别省市：北京,11