(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111669628.7 (22)申请日 2021.12.31 (71)申请人 清华四川能源互联网研究院 地址 610213 四川省成 都市湖畔路北段3 66 号天府新经济产业园A区 (72)发明人 程青　杨超　熊天龙　林舒　 包维瀚　周特　 (74)专利代理 机构 北京知联天下知识产权代理 事务所(普通 合伙) 11594 专利代理师 张陆军 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06F 16/2458(2019.01) (54)发明名称 考虑典型因素综合能源系统用能行为数据 挖掘方法及装置 (57)摘要 本发明公开了一种考虑典型因素综合能源 系统用能行为数据挖掘方法及装置， 所述方法包 括K‑means算法用于对损坏的数据进行校正， 并 对数据中部分受干扰的数据进行挖掘和边缘化。 因此， 采用标准化的处理方法对数据进行量化。 过滤后， 可以准确提取用户的用电行为特征。 实 验结果表明， 传统的数据挖掘方法容易受到自然 等典型因素的影响， 数据挖掘的精度不理想， 本 发明能够 有效地提取出正确的行为数据， 且准确 率高于传统方法。 权利要求书2页 说明书7页 CN 114529330 A 2022.05.24 CN 114529330 A 1.一种考虑典型因素综合能源系统用能行为数据挖掘方法， 其特征在于， 所述方法按 照以下步骤进行， 通过K‑means算法获取 行为数据的负载 特征曲线； 对所述负载 特征曲线上的不良数据进行修 正， 得到用电修 正曲线； 采用标准 化处理对所述用电修 正曲线进行统一 量化,得到用电数据归一 化值； 将所述用电量数据归一 化值形成用户用电行为特 征序列； 根据协方差计算所述特征序列中相邻周期的数值关系之间的相关性， 得到相关性数值 关系； 根据所述相关性数值关系， 提取 特征指标， 以实现数据 挖掘。 2.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法， 其 特征在于， 所述不良数据包括在数据采集系统和其 他外部因素的影响下， 数据的丢失或损坏。 3.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法， 其 特征在于， 所述通过K ‑means算法获取行为数据的负载特征曲线包括， 采用K ‑means算法对每个用 户的日负荷曲线进行聚类， 其中， 用户工作日、 周末和节假日负荷曲线各用户之间差异较 大， 用户工作日、 周末和节假日进行 单独聚类。 4.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法， 其 特征在于， 所述 不良数据进行修 正包括， 不良数据修 正方程为： 式(1)中， Td是要修改的曲线， Tc是特性曲线， p、 q分别是Td、 Tc上的点， T(n)为负载特征曲 线， Q(n)是用电修 正曲线， n是用户曲线的一个点。 5.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法， 其 特征在于， 所述采用标准 化处理对所述 修正曲线进行统一 量化,变换过程表示 为： g*＝Q(n)×(g’+gmin)/gmax   (2) 式(2)中， g*表示用电数据的归一化值， g ’表示用户在选定 时段内的用电量， gmin表示用 户在选定时段内的最小用电量， 以及gmax表示用电行为的最大值,Q(n)是用电修 正曲线。 6.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法， 其 特征在于， 所述用户用电行为特 征序列， 其数值关系可表示 为： Em＝{ed,d＝1,2,. ..,M}   (3) 式(3)中， Em表示第m个计量周期的用户用电行为特征序列， m代表周期数， M为周期天数， ed为周期负荷最大值， d为特 征天数。 7.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法， 其 特征在于， 所述特 征序列中相邻周期的数值关系之间的相关性， 相关性数值关系表示 为： 权　利　要　求　书 1/2 页 2 CN 114529330 A 2式(4)中， E(Em)表示异常用电数据的最大筛选系数， n为周期总数， xj表示异常用电数据 的实时判别向量元 素。 8.根据权利要求6或7所述的一种考虑典型因素综合 能源系统用能行为数据挖掘方法， 其特征在于， 采用卡方检验过程对特 征序列的干扰数据进行筛 选， 可表示 为： 式(5)中， β 为卡方检验结果， 该结果越大表明实际值与理论值偏差越大； m为第m个计量 周期； n为周期总数； Am表示用电量数据缺失值的标准计算项系数。 9.根据权利要求1所述的一种考虑典型因素综合能源系统用能行为数据挖掘方法， 其 特征在于， 所述 提取特征指标， 包括用户用电行为特 征提取的过程可以表示 为： α ＝Pm‑1+(Pm+1‑Pm‑1)2   (6) 式(6)中， Pm‑1代表上一期用户用电行为数据集， Pm+1代表下一期用户用电行为数据集。 10.根据权利要求9所述的一种考虑典型因素综合 能源系统用能行为数据挖掘方法， 其 特征在于， 所述Pm+1和Pm‑1为Em经用卡方检验过程剔除干扰数据后的用户用电行为特 征序列。 11.一种考虑典型因素综合 能源系统用能行为数据挖掘装置， 其特征在于， 所述挖掘装 置包括： 修正单元， 用于通过K ‑means算法获取行为数据的负载特征曲线， 对所述负载特征曲线 上的不良数据进行修正， 得到用电修正 曲线， 并采用标准化处理对所述用电修正 曲线进行 统一量化， 得到用电数据归一 化值； 相关性确定单元， 用于将所述用电量数据归一化值形成用户用电行为特征序列， 根据 协方差计算所述特 征序列中相邻周期的数值关系之间的相关性， 得到相关性数值关系； 数据挖掘单元， 用于根据所述相关性数值关系， 提取 特征指标， 以实现数据 挖掘。权　利　要　求　书 2/2 页 3 CN 114529330 A 3