[发明专利]一种基于奇异谱分析的用电行为变化检测方法及系统

权利要求书

1.一种基于奇异谱分析的用户用电行为变化检测方法，其特征在于，所述用户用电行为变化检测方法，包括：

获取电能计量装置的电能量数据，进行预处理；

所述电能数据包括：0点冻结表码、每日96点电能示值曲线、每日96点电流曲线、每日96点功率曲线；

所述预处理包括对电能量数据空值、极大值、极小值进行剔除拟合处理；

通过奇异谱分析方法，将电能量历史数据及当前数据进行矩阵构建和奇异值分解，得到对应奇异值与特征向量，得到历史数据的变化模式、当前数据的变化模式；

计算历史数据与当前数据之间的差异统计，评价当前数据与历史数据之间的变化程度；

比较某个时间点前后电能量数据的特征向量之间的变化程度，从而得到电能量数据的变化评价；综合用户不同类型的电能量数据变化评价，得到用户用电行为变化的判断结论；

所述计算历史数据与当前数据之间的差异统计，包括：

按照λ从大到小排列，选择前l个对应的特征向量u，选取的特征向量数量l不大于基础轨迹矩阵B的采样窗口个数δ，得到基础特征矩阵U_l；其中，λ为基础轨迹矩阵B的奇异值的平方；

按照从大到小排列，选取前η个对应的特征向量m_η；选取的特征向量数量η不大于测试轨迹矩阵A的采样窗口个数γ，其中，为测试轨迹矩阵A的奇异值的平方；

通过计算m_η在U_l投影与m_η之间的夹角余弦值，得到对应的变化系数CP，即:

m_η在U_l投影为：

则可得变化系数：

同时按照测试矩阵的奇异值计算不同权重，得到最终的变化系数CP，即

2.根据权利要求1所述的用户用电行为变化检测方法，其特征在于，所述奇异谱分析方法，包括：

将数据采用延时嵌入的方法得到数据的基础矩阵，然后对基础矩阵进行奇异值分解，得到对应的奇异值与特征向量。

3.根据权利要求1所述的用户用电行为变化检测方法，其特征在于，所述奇异谱分析方法，包括：

将t＝i之前的电能量数据P(t)时间序列进行轨迹矩阵构建并进行奇异值分解，得到对应奇异值与特征向量，得到历史数据的变化模式；

通过延时嵌入的方法得到电能量数据P(t)时间序列的在时间点i之前的基础轨迹矩阵，即：

式中，t＝i，ω为窗口长度，δ是采样窗口的个数；

对基础轨迹矩阵B进行奇异值分解，得到奇异值和奇异向量，即：

B＝USV^T；

其中U为左奇异矩阵，V为右奇异矩阵，S为奇异值矩阵，其对角元素即称为矩阵的奇异值，记为σ，σ_i为第i个奇异值；

求解矩阵BB^T的特征值及特征向量得到对应的U，即:

(BB^T)u_i＝λ_iu_i；

其中U(t)＝[u₁,…,u_i]，

将λ_i从大到小进行排列，λ_i为第i个特征值，则对应的u_i表示了P(t)时间序列的在时间点i之前主要特征。

4.根据权利要求3所述的用户用电行为变化检测方法，其特征在于，所述奇异谱分析方法，包括：

将t＝i之后的电能量数据P(t)时间序列进行轨迹矩阵构建并进行奇异值分解，得到对应奇异值与特征向量，得到当前数据的变化模式；

通过延时嵌入的方法得到P(t)时间序列的在时间点i之后的测试轨迹矩阵，即：

其中t＝i，ω为窗口长度，γ是采样窗口的个数；

然后对测试轨迹矩阵A进行奇异值分解A＝MΣN，同理可得：

其中M(t)＝[m₁,…,m_ω]，为AA^T的特征值，其值为测试轨迹矩阵A奇异值的平方。