【技术实现步骤摘要】
本专利技术涉及用电评价模型，具体涉及一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法。
技术介绍
1、通过综合考虑不同用户历史用电数据中多个维度下的数据指标，例如用电量、峰谷值差、功率等因素，对不同用户的用电情况进行客观评价，这将有助于供电公式更加准确的了解用户的用电行为，从而能够制定更加合理的用电策略。目前常通过不同用户历史用电数据中多个维度下的数据指标的模糊熵大小，确定各个维度的权重大小，以提高topsis算法对用户的用电评价结果的准确性，获得较为准确的用电评价模型。
2、但是，在获取每个用户各个维度的数据指标时，可能会由于环境等客观因素导致历史用电数据丢失或损坏，例如系统或设备故障，数据传输过程出现异常等，使得无法获取用户完整的历史用电数据，利用部分缺失的数据获取各个维度的数据指标时，使得权重估计存在一定的偏差，导致最终评价结果的准确性不高。
3、现有常利用插值算法对缺失的数据进行拟合，但是当某些用户缺失的用电数据的时序较长时，仅仅通过时序变化特征进行数据插值处理，使得插值结果的准确性无法得到保证，进而导致用户的用电评价结果准确度较低，用电评价模型的准确度也较低。
技术实现思路
1、为了解决插值结果的准确性无法得到保证，进而导致用户的用电评价结果准确度较低，用电评价模型的准确度也较低的技术问题，本专利技术的目的在于提供一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，所采用的技术方案具体如下：
2、获取每个用户历史用电数据中每天
3、根据每个用户在每天内所有历史用电量与其他相邻天内所有历史用电量之间的关联情况、每天所有历史用电量之间的差异分布情况，得到每个用户的用电稳定程度；
4、根据每个用户每天的插值时刻在其他天相同时间的采集时刻的时间范围内插值时刻的分布情况，以及每个用户每天的插值时刻的用电量数据的异常情况和在其他天相同时间的采集时刻的用电量数据的异常情况，结合所述用电稳定程度，得到每个用户每天的每个插值时刻的数据可靠程度；
5、利用所述数据可靠程度结合每个用户在插值时刻的用电量数据和其他用户在插值时刻的用电量数据的分布情况，对每个用户每天的插值时刻的用电量数据进行修正，获得修正后的插值结果；
6、基于修正后的插值结果构建用电评价模型。
7、优选地，所述根据每个用户每天的插值时刻在其他天相同时间的采集时刻的时间范围内插值时刻的分布情况，以及每个用户每天的插值时刻的用电量数据的异常情况和在其他天相同时间的采集时刻的用电量数据的异常情况，结合所述用电稳定程度，得到每个用户每天的每个插值时刻的数据可靠程度，具体包括：
8、对于任意一个用户在任意一天的任意一个插值时刻，将其他天与插值时刻属于相同时间的采集时刻作为插值时刻的对照时刻，基于每个对照时刻的时刻邻域内包含插值时刻的数据占比情况，确定每个对照时刻的估计权重；
9、对于任意一个插值时刻或者采集时刻，基于插值时刻或者采集时刻的用电量数据与插值时刻或者采集时刻的时刻邻域内每个用电量数据之间的差异情况，确定插值时刻或者采集时刻的数据离群程度；
10、基于插值时刻与每个对照时刻之间的数据离群程度的差异分布情况，确定每个对照时刻与插值时刻的数据关联系数；
11、将插值时刻对应的所有对照时刻的估计权重与对应的所述数据关联系数进行融合，并结合相同用户的所述用电稳定程度，确定该用户在插值时刻的数据可靠程度。
12、优选地，所述数据离群程度的获取方法具体为：
13、对于任意一个用户在任意一个插值时刻，将插值时刻在预设的时刻邻域内所有时刻的用电量数据构成插值时刻的参照数据集；基于插值时刻的用电量数据相对于参照数据集的标准化偏离度，确定插值时刻的数据离群程度。
14、优选地，所述基于插值时刻与每个对照时刻之间的数据离群程度的差异分布情况，确定每个对照时刻与插值时刻的数据关联系数，具体包括：
15、对每个对照时刻和插值时刻的数据离群程度之间的差异进行负相关处理，得到每个对照时刻与插值时刻的数据关联系数。
16、优选地，所述基于每个对照时刻的时刻邻域内包含插值时刻的数据占比情况，确定每个对照时刻的估计权重，具体包括：
17、对于任意一个用户的任意一个对照时刻，将对照时刻所在预设的时刻邻域内插值时刻的数量占比的负相关系数作为对照时刻的估计权重。
18、优选地，所述利用所述数据可靠程度结合每个用户在插值时刻的用电量数据和其他用户在插值时刻的用电量数据的分布情况，对每个用户每天的插值时刻的用电量数据进行修正，获得修正后的插值结果，具体包括：
19、对于任意一个用户在任意一天的任意一个插值时刻，基于该用户在插值时刻对应的数据可靠程度和用电量数据，确定该用户在插值时刻的第一修正参数；
20、根据该用户与其他用户在插值时刻以及插值时刻的时刻邻域内用电数据的分布情况，得到该用户在插值时刻的第二修正参数；
21、结合所述第一修正参数和第二修正参数获得该用户在插值时刻的修正数据；所述修正后的插值结果包括每个用户的采集时刻的用电量数据与插值时刻的修正数据。
22、优选地，所述根据该用户与其他用户在插值时刻以及插值时刻的时刻邻域内用电数据的分布情况，得到该用户在插值时刻的第二修正参数，具体包括：
23、获取该用户与其他每个用户在插值时刻的参照数据集之间用电量数据分布的相似系数；利用该用户在插值时刻的数据可靠程度的负相关系数，将该用户与其他每个用户在插值时刻对应的相似系数与其他每个用户在插值时刻的用电量数据的乘积进行融合，得到该用户在插值时刻的第二修正参数。
24、优选地，所述根据每个用户在每天内所有历史用电量与其他相邻天内所有历史用电量之间的关联情况、每天所有历史用电量之间的差异分布情况，得到每个用户的用电稳定程度，具体包括：
25、对于任意一个用户，将用户每天的所有历史用电量构成用户每天的用电时序序列；将与任意一天相邻的预设数量天记为所述任意一天的邻域天；
26、基于用户每天的用电时序序列中历史用电量的一阶差分数据的离散程度，确定用户每天的数据稳定系数，所述离散程度与所述数据稳定系数呈负相关关系；
27、基于用户每天的用电时序序列与每个邻域天的用电时序序列之间的相关系数的融合结果，确定用户每天的相邻变化因子；
28、结合用户所有天的所述数据稳定系数和相邻变化因子得到用户的用电稳定程度。
29、优选地，所述基于修正后的插值结果构建用电评价模型，具体包括：
30、基于每个用户修正后的插值结果，获取每个用户在每个维度的特征数据；基于每个用户在每个维度的特征数据的模糊熵，确定每个用户在每个维度的模糊权重；利用所述模糊权重对每个本文档来自技高网...
【技术保护点】
1.一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述根据每个用户每天的插值时刻在其他天相同时间的采集时刻的时间范围内插值时刻的分布情况，以及每个用户每天的插值时刻的用电量数据的异常情况和在其他天相同时间的采集时刻的用电量数据的异常情况，结合所述用电稳定程度，得到每个用户每天的每个插值时刻的数据可靠程度，具体包括：
3.根据权利要求2所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述数据离群程度的获取方法具体为：
4.根据权利要求2所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述基于插值时刻与每个对照时刻之间的数据离群程度的差异分布情况，确定每个对照时刻与插值时刻的数据关联系数，具体包括：
5.根据权利要求2所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述基于每个对照时刻的时刻邻域内包含插值时刻的数据占比情况，确
6.根据权利要求3所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述利用所述数据可靠程度结合每个用户在插值时刻的用电量数据和其他用户在插值时刻的用电量数据的分布情况，对每个用户每天的插值时刻的用电量数据进行修正，获得修正后的插值结果，具体包括：
7.根据权利要求6所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述根据该用户与其他用户在插值时刻以及插值时刻的时刻邻域内用电数据的分布情况，得到该用户在插值时刻的第二修正参数，具体包括：
8.根据权利要求1所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述根据每个用户在每天内所有历史用电量与其他相邻天内所有历史用电量之间的关联情况、每天所有历史用电量之间的差异分布情况，得到每个用户的用电稳定程度，具体包括：
9.根据权利要求1所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述基于修正后的插值结果构建用电评价模型，具体包括：
10.根据权利要求1所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述对每个用户的历史用电量进行预插值处理获得每个用户每天的插值时刻和采集时刻的用电量数据，具体包括：采用三次样条插值的方法对每个用户的历史用电量进行预插值处理获得每个用户每天的插值时刻和采集时刻的用电量数据。
...【技术特征摘要】
1.一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述根据每个用户每天的插值时刻在其他天相同时间的采集时刻的时间范围内插值时刻的分布情况，以及每个用户每天的插值时刻的用电量数据的异常情况和在其他天相同时间的采集时刻的用电量数据的异常情况，结合所述用电稳定程度，得到每个用户每天的每个插值时刻的数据可靠程度，具体包括：
3.根据权利要求2所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述数据离群程度的获取方法具体为：
4.根据权利要求2所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述基于插值时刻与每个对照时刻之间的数据离群程度的差异分布情况，确定每个对照时刻与插值时刻的数据关联系数，具体包括：
5.根据权利要求2所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述基于每个对照时刻的时刻邻域内包含插值时刻的数据占比情况，确定每个对照时刻的估计权重，具体包括：
6.根据权利要求3所述的一种基于模糊权重矩阵的代理购电用户用电评价模型构建方法，其特征在于，所述利...
【专利技术属性】
技术研发人员：高晋峰，任宇路，肖春，姚俊峰，石智珩，薛建立，李俊午，高岱峰，张丽，杨志萍，赵轶彦，程改萍，赵清英，杨晓霞，姚晓明，
申请(专利权)人：国网山西省电力公司营销服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。