[发明专利]一种用于用电行为预测的仿真数据生成方法及系统

说明书

本公开提供了一种用于用电行为预测的仿真数据生成方法及系统，获取预设时间段内的用户正常用电数据样本；根据用电数据样本中的有功功率数据，利用改进的交叉熵算法，进行用电设备的非侵入式负荷分解；根据用电设备负荷分解结果，得到每个用电设备的运行规律；根据单一用户每个用电设备的运行数据和运行规律，利用时间序列方法生成仿真数据；综合单一用户所有用电设备的仿真数据输出该用户模拟用电仿真数据；本公开确保了负荷分解过程和数据生成过程的实时性，在保证生成数据真实性的情况下提高了数据生成的速度和准确性。

技术领域

本公开涉及用电负荷分解及数据生成技术领域，特别涉及一种用于用电行为预测的仿真数据生成方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

随着各类新兴能源计量业务的不断发展，对系统级模拟仿真建设提出迫切需求，当前对单一设备、单一通信技术的仿真手段已无法满足日益增长的多样化趋势，缺少大规模、系统级、复杂环境、多信道融合的仿真环境；这些都严重制约了能源计量事业的发展创新，为进一步推动智慧能源服务体系建设，满足各类能源计量业务的可靠性、安全性、稳定性需求，亟需构建全面高效、准确可靠的综合能源计量数字与真型混合仿真系统，实现对各种场景的真实还原，有效支撑各类能源计量新技术的探索研究及推广实施。

近年来，智能电网技术吸引了众多国内外专家的关注。学术界和工业界也致力于研发能够协助消费者节约能源的监测系统。其中，非侵入式负荷监测(NILM，NonintrusiveAppliance Load Monitoring)是一种非常有效的预测设备电力消耗的方法。与将传感器放置在负载的每个单独组件上的传统方法相比，NILM可以提供一种非常方便有效的收集负载数据的方法。在实验室环境下，使用负荷瞬态特征或者负荷稳态特征和瞬态特征相结合的方式能够很好的对用电负荷进行负荷监测和识别。但是，在实际应用中，NILM算法的实施受到采样设备和算法的制约，很难达到大规模实时负荷分解的标准。

数据生成是模拟仿真相关项目过程中经常用到的技术之一，直接利用随机算法生成数据，很难保证数据的真实性和有效性；直接利用时间序列模型或者遗传算法模拟电力数据难以对用电设备的运行状态进行监测，特别是在电力系统中，关于能源计量的仿真模拟对相关电力数据的真实性和实时性都有很高的要求，而现有的仿真数据获取方式大多无法满足真实性和实时性的要求。

发明内容

为了解决现有技术的不足，本公开提供了一种用于用电行为预测的仿真数据生成方法及系统，在利用非侵入式负荷分解方法对居民用户真实用电数据负荷分解的基础上，采用改进的交叉熵算法对模型进行修正，实时生成负荷分解数据；利用得到的分解数据，对单一用户电设备类型进行预测；根据用电设备的电力参数和使用规律大规模生成仿真电力数据，在保证生成数据真实性的情况下提高数据生成的速度和准确性。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种用于用电行为预测的仿真数据生成方法。

一种用于用电行为预测的仿真数据生成方法，包括以下步骤：

获取预设时间段内的用户正常用电数据样本；

根据用电数据样本中的有功功率数据，利用改进的交叉熵算法，进行用电设备的非侵入式负荷分解；

根据用电设备负荷分解结果，得到每个用电设备的运行规律；

根据单一用户每个用电设备的运行数据和运行规律，利用时间序列方法生成仿真数据；

综合单一用户所有用电设备的仿真数据输出该用户模拟用电仿真数据。

本公开第二方面提供了一种用于用电行为预测的仿真数据生成系统。

一种用于用电行为预测的仿真数据生成系统，包括：