[发明专利]考虑隐私保护和需求响应的电力用户画像方法

说明书

本发明公开了一种考虑隐私保护和需求响应的电力用户画像方法，该方法主要包括以下步骤：首先，收集建筑物的历史负荷数据和历史温湿度数据，提取建筑物的负荷特征；其次，通过最小化重叠度确定最优的用户画像数量；第三，建筑物中的智能调度终端执行本地计算并引入零和误差，将计算结果作为分布式隐私保护AAC算法的初值；最后，根据分布式隐私保护的AAC算法的初值，更新用户参数值，收敛得到典型用户画像和建筑物所属的典型用户画像类型。本发明可以在不收集用户具体负荷数据的前提下针对用户用电习惯分析用户画像，并将其用于需求响应系统中，帮助不同用电习惯的用户制定针对性的用电策略，以更好地发掘建筑物负荷的响应能力，保护了用户隐私。

技术领域

本发明设计电力系统负荷特性分析领域，具体涉及一种考虑隐私保护和需求响应的电力用户画像方法。

背景技术

需求响应(Demand Response,DR)作为一种电力需求侧管理方法，即电力需求响应的简称，是指当电力系统可靠性受威胁时，包括负荷峰值过大等电力系统行为，建筑物负荷控制器接收到供电方发出的降低负荷的补偿信号或者提高动态电力价格信号后，改变用户自身习惯用电模式，达到减少或者推移某时段的用电负荷而达到响应电力供应稳定性需求，保障电网稳定的目的。

传统的需求响应技术主要采用优化算法，即对电力系统中用户的负荷动作进行规划，由于这种规划方式只追求降低系统的负荷波动，而不考虑用户的用电习惯差异，在需求响应技术中引入典型用户画像可以提高用户的舒适度，针对不同的典型用户可定制不同的需求响应策略。

同时，传统的集中式用户画像算法需要收集用户负荷数据，收集用户的负荷数据关系到用户的隐私问题。系统需要收集用户负荷数据需要汇总至服务器,服务器进行聚类分析后再将结果传回需求侧。这种做法会产生两个缺点：第一,如此巨量的数据对用户通信设备产生极高的要求；第二,用户的个人隐私不能很好的保证。

发明内容

本发明涉及一个用户画像算法，本发明的目的在于提供一种分布式隐私保护的用户画像算法，解决了传统集中式用户画像算法需要收集用户的负荷数据造成的隐私泄露问题。

为解决上述技术问题，本发明所采取的技术方案为：

考虑隐私保护和需求响应的电力用户画像方法，用户画像方法基于高斯混合模型，使用分布式隐私保护的AAC算法估计高斯混合模型的参数，在不收集用户隐私的前提下获得典型建筑物的用户画像和建筑物所属的典型用户画像种类，包括：

S1收集建筑物的历史负荷数据和历史温湿度数据，根据历史负荷数据提取建筑物的负荷特征数据，根据建筑物的历史温湿度数据提取建筑物的舒适度特征数据，使用高斯混合模型对建筑物的负荷特征数据和建筑物的舒适度特征数据进行聚类；

S2通过最小化高斯混合模型的平均重叠度指标确定最优的用户画像数量；

S3建筑物执行本地计算，同时，为保护用户隐私，在本地计算结果中引入零和误差；

S4使用AAC算法对高斯混合模型的参数进行估计，为保护用户隐私，将引入零和误差的本地计算结果作为分布式隐私保护的AAC算法中用户参数的初值，基于分布式隐私保护的AAC算法更新用户参数值，直到用户参数值收敛，使用收敛的用户参数值计算得到典型用户画像和建筑物所属的典型用户画像种类。

所述S1中历史负荷数据为每个建筑物与电网的净交换功率，历史温湿度数据包括室内温度数据、室内湿度数据和室外温度数据。

所述S1中的根据历史负荷数据提取建筑物的负荷特征，其中，负荷特征包括：功率因数、负荷功率平均值、负荷功率最大值、节假日负荷功率峰值、工作日负荷功率峰值和负荷功率坡度。

所述S1中根据建筑物的历史温湿度数据提取建筑物的舒适度特征包括两个步骤：首先，根据建筑物的历史温湿度数据计算建筑物不同时刻的室内舒适度指数，公式如下