[发明专利]基于累积电量低频采样的居民负荷构成解析方法及装置

权利要求书

1.一种基于累积电量低频采样的居民负荷构成解析方法，其特征在于，包括：

根据用户累积电量数据确定实际电量差量特征向量，其中，所述实际电量差量特征向量包括：采样周期的累积电量差值；

根据电器设备开启时刻参数和关闭时刻参数以及在一个采样周内的电器设备每种运行状态确定组合电量差量特征向量，其中，所述每种运行状态包括电器设备保持开启状态、电器设备开启状态、电器设备关闭状态以及电器设备开启并关闭状态，所述组合电量差量特征向量包括：解析时段内的累积电量差量向量；

根据所述实际电量差量特征向量和所述组合电量差量特征向量构建目标函数，根据所述目标函数判断所述实际电量差量特征向量和所述组合电量差量特征向量的差异，其中，所述目标函数，如下：

其中，cov(S,E)表示所述实际电量差量特征向量和所述组合电量差量特征向量的协方差，σ_S、σ_E分别表示所述实际电量差量特征向量和所述组合电量差量特征向量的奇异值，d_S,E表示所述实际电量差量特征向量和所述组合电量差量特征向量的欧式距离，r_S,E表示所述实际电量差量特征向量和所述组合电量差量特征向量的Pearson相关系数，m为解析时段内的采样周期数，S(i)为实际电量差量特征向量，E(i)为组合电量差量特征向量；

所述根据所述目标函数判断所述实际电量差量特征向量和所述组合电量差量特征向量的差异，包括：

所述欧式距离越小，表示所述实际电量差量特征向量和所述组合电量差量特征向量的间距越小，反之越大；

所述Pearson相关系数趋向于1，表示所述实际电量差量特征向量和所述组合电量差量特征向量的相似程度越高，反之越低。

2.根据权利要求1所述的基于累积电量低频采样的居民负荷构成解析方法，其特征在于，所述实际电量差量特征向量S(m)，如下：

S(m)＝[s(1),s(2),…,s(m)]；

其中，s(m)表示第m个采样周期的累积电量差值。

3.根据权利要求1所述的基于累积电量低频采样的居民负荷构成解析方法，其特征在于，所述组合电量差量特征向量E(m)，如下：

其中，E_i(m)表示解析时段内的累积电量差量向量，N表示电器设备种类数。

4.一种基于累积电量低频采样的居民负荷构成解析装置，其特征在于，包括：

第一模块，用于根据用户累积电量数据确定实际电量差量特征向量，其中，所述实际电量差量特征向量包括：采样周期的累积电量差值；

第二模块，用于根据电器设备开启时刻参数和关闭时刻参数以及在一个采样周内的电器设备每种运行状态确定组合电量差量特征向量，其中，所述每种运行状态包括电器设备保持开启状态、电器设备开启状态、电器设备关闭状态以及电器设备开启并关闭状态，所述组合电量差量特征向量包括：解析时段内的累积电量差量向量；

构建模块，用于根据所述实际电量差量特征向量和所述组合电量差量特征向量构建目标函数，根据所述目标函数判断所述实际电量差量特征向量和所述组合电量差量特征向量的差异，其中，所述目标函数，如下：

其中，cov(S,E)表示所述实际电量差量特征向量和所述组合电量差量特征向量的协方差，σ_S、σ_E分别表示所述实际电量差量特征向量和所述组合电量差量特征向量的奇异值，d_S,E表示所述实际电量差量特征向量和所述组合电量差量特征向量的欧式距离，r_S,E表示所述实际电量差量特征向量和所述组合电量差量特征向量的Pearson相关系数，m为解析时段内的采样周期数，S(i)为实际电量差量特征向量，E(i)为组合电量差量特征向量；

所述根据所述目标函数判断所述实际电量差量特征向量和所述组合电量差量特征向量的差异，包括：

所述欧式距离越小，表示所述实际电量差量特征向量和所述组合电量差量特征向量的间距越小，反之越大；

所述Pearson相关系数趋向于1，表示所述实际电量差量特征向量和所述组合电量差量特征向量的相似程度越高，反之越低。