[发明专利]基于相关性分析的低压台区用户相位识别方法和系统

权利要求书

1.基于相关性分析的低压台区用户相位识别方法，其特征在于，包括：

步骤1)，选定待分析台区，从用电信息采集系统中选定待分析台区，提取所有用户的96点日负荷数据，并通过排查确定好A、B、C相用户各一户，在系统中进行维护，作为相关性分析的参考点；

步骤2)，通过数据清洗和标准化处理，得到整理后的待分析数据；

步骤3)，采用皮尔逊相关性分析方法，对一段时间内的负荷特性进行相关性分析，得出分析时段内各日的相关性结果，并进行均值和最大值归属相位统计分析，根据统计结果进行各用户所属相位的预测分析，并使用最大最小归一化方法进行可视化呈现。

2.根据权利要求1所述的基于相关性分析的低压台区用户相位识别方法，其特征在于，步骤2)中，所述的数据清洗为：选取用户满日负荷数据的日期进行分析，为保证准确率，需有六十天以上的满96点日负荷数据的完整分析日。

3.根据权利要求1所述的基于相关性分析的低压台区用户相位识别方法，其特征在于，步骤3)中，皮尔逊相关系数分析方法如下：提供待分析台区三相下的参考用户组，每相用户仅需一到两户，需要保证这些用户有足够的满96点数据天数；接下来，对剩下的待分析用户，按天进行参考点用户的皮尔逊相关性分析，即每天计算三组皮尔逊相关系数，时间跨度为96点，最终，每个用户得到3*N组数据，N为分析的天数。

4.根据权利要求1所述的基于相关性分析的低压台区用户相位识别方法，其特征在于，步骤3)中，皮尔逊相关系数，又称皮尔逊积矩相关系数，在统计学中用于衡量两个变量之间的相关性，其计算公式如下：

式中：cov(X,Y)表示两个变量X,Y之间的协方差，σ_X,σ_Y表示两个变量的方差，皮尔逊相关系数的值介于1和-1之间，μ_X、μ_Y分别表示变量X和Y的均值，E表示求数学期望。

5.根据权利要求1所述的基于相关性分析的低压台区用户相位识别方法，其特征在于，步骤3)中，所述的统计分析为：在完成对待分析台区下所有用户所有天数各相下的相关性分析后，得到一个总的相关性计算结果矩阵，按天对用户进行相关性分析，对用户与三相参考点之间的相关性特征值进行统计，分析均值与最大相关性所属相，得到各用户与三相参考点间的相关系数均值排序以及最大相关性系数所属相统计两个参考指标。

6.根据权利要求1所述的基于相关性分析的低压台区用户相位识别方法，其特征在于，步骤3)中，所述的可视化呈现为：采用统计学中的最大最小归一化方法，对各用户每天与三相参考点之间的相关性分析结果进行最大最小归一化呈现。

7.根据权利要求1所述的基于相关性分析的低压台区用户相位识别方法，其特征在于，根据分析结果进行现场核查，验证低压台区用户相位识别方法的可靠性，分析造成判断误差的原因。

8.基于相关性分析的低压台区用户相位识别系统，其特征在于，包括：

相关性分析参考点确定单元：选定待分析台区，从用电信息采集系统中选定待分析台区，提取所有用户的96点日负荷数据，并通过排查确定好A、B、C相用户各一户，在系统中进行维护，作为相关性分析的参考点；

数据清洗和处理单元：通过数据清洗和标准化处理，得到整理后的待分析数据；

相关性分析单元：采用皮尔逊相关性分析方法，对一段时间内的负荷特性进行相关性分析，得出分析时段内各日的相关性结果，并进行均值和最大值归属相位统计分析，根据统计结果进行各用户所属相位的预测分析，并使用最大最小归一化方法进行可视化呈现。

9.根据权利要求8所述的基于相关性分析的低压台区用户相位识别系统，其特征在于，还包括现场核查检验单元：根据分析结果进行现场核查，验证低压台区用户相位识别方法的可靠性，分析造成判断误差的原因。

10.根据权利要求8所述的基于相关性分析的低压台区用户相位识别系统，其特征在于，所述的皮尔逊相关系数分析方法如下：提供待分析台区三相下的参考用户组，每相用户仅需一到两户，需要保证这些用户有足够的满96点数据天数；接下来，对剩下的待分析用户，按天进行参考点用户的皮尔逊相关性分析，即每天计算三组皮尔逊相关系数，时间跨度为96点，最终，每个用户得到3*N组数据，N为分析的天数。