一种需求侧动态响应中电能量异常数据实时分析方法技术

本申请公开了一种需求侧动态响应中电能量异常数据实时分析方法，属于用电异常分析技术领域。本申请的方法基于海量电能量数据准实时分析，通过开展电能量缺失、异常数据修复模型研究，构建异常数据拟合模型，可以实现动态响应过程中，对电能量数据实现准实时的异常识别和拟合。别和拟合。别和拟合。

【技术实现步骤摘要】
一种需求侧动态响应中电能量异常数据实时分析方法


[0001]本申请涉及用电异常分析技术，更具体地说，涉及一种需求侧动态响应中电能量异常数据实时分析方法。

技术介绍

[0002]我国针对电力数据的研究尚处于起步阶段，但是其发展是十分迅速的。2012年，国家电网公司发布了公共信息资源共享模型。2013年国家电网公司在输变电管理运行、决策支持、用电与能效、智能配电网技术等方面开展了大数据关键技术的研究与应用。国家电网公司在2018年电力物联网专项部署会议上明确指出，加快电力物联网化建设是重中之重。

技术实现思路

[0003]鉴于此，为了满足需求侧响应中对需求侧电能量数据可靠性、数据有效性、及时性的要求，以支撑需求侧实时动态响应，本申请提出了一种需求侧动态响应中电能量异常数据实时分析方法。
[0004]为了实现上述目的，本申请提供了一种需求侧动态响应中电能量异常数据实时分析方法，包括以下步骤：
[0005]步骤S1、电力用户数据预处理；
[0006]步骤S2、利用随机森林算法，根据预处理后的数据，构建数据异常规则库；
[0007]步骤S3、基于所述数据异常规则库，通过从电能量实时采集数据流中进行数据指标特征提取、随机森林分类、数据评价规则管理、异常点定位，检测异常数据；通过分析数据在时序上的特点，分别从统计性指标、趋势性指标、变动性指标及负荷特征指标四个方面提取电能量数据异常特征；
[0008]步骤S4、构建电能量数据准实时异常智能检测方法；
[0009]步骤S5、识别电能量数据准实时异常；其中，所述异常包括采集失败、飞走、倒走、停走；
[0010]步骤S6、根据电网企业计量装置的尖峰、峰段、平段、谷段的用电量，平均分解到对应段中每个小时，以此生成分时电量；
[0011]步骤S7、拟合需求侧响应的电能量准实时数据；其中，拟合对象包括：10kV及以上用户、10kV及以下用户、往月电量、10kV及以上用户96点平均负荷、10kV及以下专变用户及台区用户96点平均负荷；
[0012]步骤S8、修正电能量数据拟合模型；
[0013]步骤S9、基于历史数据审核规则回测分析。
[0014]作为其他可以实现的形式中，所述步骤S1包括：对从计量自动化系统采集到的电力用电数据进行规则剔除；所述剔除的对象包括：用户的日负荷数据缺失四分之一及其以上的、月负荷数据中有三分之一数据缺失的电力用户、月负荷数据一半以上为零的电力用户、日、月负荷数据均相同的用户；采用拉格朗日插值法对于缺失的用户用电数据进行插值
填补；采用最小
‑
最大标准化方法对采集到的用电数据进行归一化处理。
[0015]作为其他可以实现的形式中，所述步骤S7中，对于所述10kV及以上用户，包括：采用计量自动化系统已拟合的示值曲线，以积分电量的方式拟合缺失的日电量。
[0016]作为其他可以实现的形式中，所述步骤S7中，对于10kV及以下用户，包括：若已进行曲线数据采集，缺失电能量数据准实时数据，当日首尾0点的示数曲线数据齐全，则采用积分电量的方式拟合缺失的日电量；若不具备曲线采集条件或具备曲线采集但日首尾示值曲线不全，则采用参考日电量加权均值法拟合日电量。
[0017]作为其他可以实现的形式中，所述步骤S7中，对于往月电量，包括：按照行业对上月电能量数据准实时采集缺失的用户进行分类，抽取对应行业的典型用户，基于采集系统的电能量数据准实时数据计算典型用户的日电量与月电量，分析涉及行业的日电量分布，结合用户出账电量，对上月缺失日电量进行拟合。
[0018]作为其他可以实现的形式中，所述步骤S7中，对于10kV及以上用户96点平均负荷，包括：取已拟合补全过的示数曲线，计算96点电量；根据96点电量拟合缺失的96点平均负荷；其中，96点平均负荷＝96点电量/0.25。
[0019]作为其他可以实现的形式中，所述步骤S7中，对于10kV及以下专变用户及台区用户96点平均负荷，包括：若示值曲线首个点存在异常，但电能量数据准实时数据正常，则用电能量数据准实时填充；若数据连续异常点小于等于3个时，则利用平均值法对缺失数据进行拟合；若数据连续异常点数量大于3时，则对用户用电曲线进行数据特征分类；根据用户用电特征分类情况，构建对应的间隔用电特征曲线；对缺失数据的用户用电曲线进行用电特征识别；根据用户用电特征曲线，对缺失数据的曲线进行数据拟合。
[0020]作为其他可以实现的形式中，所述步骤S8包括：构建核算规则重要性评估模型；调整核算动态；检验核算规则优化结果。
[0021]作为其他可以实现的形式中，所述步骤S9包括：抽取近2年的历史数据，所述历史数据包括正常数据和异常数据；基于所述历史数据对审核规则进行回测分析，评估审核规则的异常识别率；根据异常识别率不断优化调整审核规则，剔除异常识别率低的无效规则；对于新增的审核规则在达到识别率要求之后再正式上线启用。
[0022]有益效果
[0023]与现有技术相比，本申请的技术方案具有的优点是：
[0024](1)本申请的技术方案基于随机森林的数据异常规则模型，通过从电能量实时采集数据流中进行数据指标特征提取、随机森林分类、数据评价规则管理、异常点定位，实现异常数据智能检测，提升异常数据检测的准确性；
[0025](2)本申请的技术方案采用基于时间序列分析模型及时间分片模型，对缺失、异常数据进行拟合修正研究，综合用户档案、上下文数据等多种不同的特征，综合评定得到更准确的数据拟合算法，在现有的数据拟合算法基础上进一步提升数据拟合的准确性，满足实时动态响应对数据的高质量要求。
附图说明
[0026]图1是本申请的需求侧动态响应中电能量异常数据实时分析方法的示意图；
[0027]图2是本申请的数据异常规则库模型构建流程的示意图；
[0028]图3是本申请的数据异常规则库的示意图；
[0029]图4是本申请的负荷特征指标的示意图；
[0030]图5是本申请的分时电量拟合对应时段的示意图；
[0031]图6是本申请的核算规则阈值动态调整模型的示意图；
[0032]图7是本申请的基于历史数据审核规则回测规则的示意图；
[0033]图8是本申请的审核规则的示意图；
[0034]图9是本申请的回测评估结果的示意图。
具体实施方式
[0035]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0036]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种需求侧动态响应中电能量异常数据实时分析方法，其特征在于，包括以下步骤：S1、电力用户数据预处理；S2、利用随机森林算法，根据预处理后的数据，构建数据异常规则库；S3、基于所述数据异常规则库，通过从电能量实时采集数据流中进行数据指标特征提取、随机森林分类、数据评价规则管理、异常点定位，检测异常数据；通过分析数据在时序上的特点，分别从统计性指标、趋势性指标、变动性指标及负荷特征指标四个方面提取电能量数据异常特征；S4、构建电能量数据准实时异常智能检测方法；S5、识别电能量数据准实时异常；其中，所述异常包括采集失败、飞走、倒走、停走；S6、根据电网企业计量装置的尖峰、峰段、平段、谷段的用电量，平均分解到对应段中每个小时，以此生成分时电量；S7、拟合需求侧响应的电能量准实时数据；其中，拟合对象包括：10kV及以上用户、10kV及以下用户、往月电量、10kV及以上用户96点平均负荷、10kV及以下专变用户及台区用户96点平均负荷；S8、修正电能量数据拟合模型；S9、基于历史数据审核规则回测分析。2.根据权利要求1所述的需求侧动态响应中电能量异常数据实时分析方法，其特征在于，所述步骤S1包括：对从计量自动化系统采集到的电力用电数据进行规则剔除；所述剔除的对象包括：用户的日负荷数据缺失四分之一及其以上的、月负荷数据中有三分之一数据缺失的电力用户、月负荷数据一半以上为零的电力用户、日、月负荷数据均相同的用户；采用拉格朗日插值法对于缺失的用户用电数据进行插值填补；采用最小
‑
最大标准化方法对采集到的用电数据进行归一化处理。3.根据权利要求1所述的需求侧动态响应中电能量异常数据实时分析方法，其特征在于，所述步骤S7中，对于所述10kV及以上用户，包括：采用计量自动化系统已拟合的示值曲线，以积分电量的方式拟合缺失的日电量。4.根据权利要求1所述的需求侧动态响应中电能量异常数据实时分析方法，其特征在于，所述步骤S7中，对于10kV及以下用户，包括：若已进行曲线数据采集，缺失电能量数据准实时数据，当日首尾0点的示数曲线数据齐全，...

【专利技术属性】
技术研发人员：李捷，唐佳誉，吴一鸣，陈俊，杨舟，何涌，徐植，李刚，韦航，唐利涛，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：