[发明专利]基于随机源矩阵和层次分析的用电特征辨识方法及系统

说明书

本发明提供了一种基于随机源矩阵和层次分析的用电特征辨识方法及系统，根据获取的有功负荷数据和气象因素数据，得到增广数据源矩阵；通过移动窗口，从增广数据源矩阵中选取子矩阵；根据子矩阵，得到第一目标层的因素，以第一目标层因素为准侧，得到第二目标层的各个因素的两两比较判断矩阵；根据两两比较判断矩阵，得到第二目标层的各个因素相对于总目标的权重，根据第二目标层的各个因素作为准则时的第三目标层的排序权向量，构建排序权矩阵，根据排序权矩阵，得到第三目标层各个因素相对于总目标的权重；根据第三目标层各个因素对于总目标的权重，得到有功负荷数据的分析结果；本发明实现了基于多个气象因素的更准确用电行为分析。

技术领域

本发明涉及电力数据处理技术领域，特别涉及一种基于随机源矩阵和层次分析的用电特征辨识方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术，并不必然构成现有技术。

大数据为智能电网的发展不断注入了新的活力，因此掌握电力大数据的关键技术对电力行业的可持续发展和坚强智能电网的建立具有重要意义。智能电网背景下的电力系统是典型的大数据系统，配电网侧的高级量测体系不断产生实时、海量的数据。为满足大体量、高异构数据的快速处理与精准分析，本发明采用随机源矩阵作为数据承载与处理工具。随机源矩阵理论对数据的要求较低，能够承载异源的数据，能够同时承载区域性各节点电压、电流、相角、有功负荷、无功负荷等数据；且随机源矩阵对数据的直接利用率较高，无需进行去单位化、归一化处理，适用于紧急状况下的快速及实时性要求，符合极端天气这一背景需要；最后，针对气象因素，随机源矩阵理论能够较好体现气象因素的累积作用，气象因素对电力用户用电行为的影响不是一一对应，也不是单一气象因素的简单叠加。另一方面，在极端天气背景下，国内外大规模停电事件频频发生。因此，快速、准确利用电网中海量数据，挖掘气象因素与负荷用电行为之间的相关性，对辅助后续电力调度决策、提高电网极端天气的应对能力，保障重要电力用户供电可靠性具有重要意义。

错综复杂的气象因素日益成为影响电力系统负荷特性的重要因素，电力用户消费行为受其影响，复杂多变。电力用户行为对维持电网安全稳定运行具有重要作用，因此考虑电力用户的行为，挖掘气象因素与电力用户用电行为之间的潜在相关性，构建气象因素评估体系，实现从被动负载到主动负荷的转变对智能电网建设及电网稳定运行至关重要。

发明人发现，目前针对耦合气象因素与电力用户相关性的研究欠缺，特别是缺少多个气象因素之间或者多个耦合气象因素横向的对比分析，各个气象因素指标之间较独立，无法实现紧急气象状况下电网信息的快速和高效利用。

发明内容

为了解决现有技术的不足，本发明提供了一种基于随机源矩阵和层次分析的用电特征辨识方法及系统，结合随机矩阵理论和层次分析法，将气象影响因素按支配关系分组形成有序的递阶层次结构，通过两两比较的方式确定层次中各个因素的相对重要性，能够根据特定地区气候条件选出适合该地区的气象因素，进而实现了基于最适合气象因素的更准确用电行为分析。

为了实现上述目的，本发明采用如下技术方案：

本发明第一方面提供了一种基于随机源矩阵和层次分析的用电特征辨识方法。

一种基于随机源矩阵和层次分析的用电特征辨识方法，包括以下过程：

获取待分析地区的有功负荷数据和气象因素数据；

根据有功负荷数据构建基本状态矩阵，根据气象因素数据构建影响因素矩阵，根据基本状态矩阵和影响因素矩阵，得到增广数据源矩阵；

通过移动窗口，从增广数据源矩阵中选取子矩阵；

根据子矩阵，得到第一目标层的因素，以第一目标层因素为准侧，得到第二目标层的各个因素的两两比较判断矩阵；