(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 202211210810.0 (22)申请日 2022.09.30 (71)申请人 国网四川省电力公司经济技 术研究 院 地址 610041 四川省成 都市中国 （四川） 自 由贸易试验区成都市高新区蜀绣西路 366号 (72)发明人 刘方　苏韵掣　汤思蕊　刘阳　 张永杰　晁化伟　陈玮　王潇笛　 乔云池　吕学海　 (74)专利代理 机构 成都行之专利代理事务所 (普通合伙) 51220 专利代理师 林菲菲 (51)Int.Cl. G06K 9/62(2022.01)G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) (54)发明名称 一种基于模板逐步回归分析的负荷构成辨 识方法及系统 (57)摘要 本发明公开了一种基于模板逐步回归分析 的负荷构成辨识方法及系统， 涉及电力系统及其 自动化技术领域， 解决了 现有负荷建模方法存在 的问题， 其技术方案要点是： 包括S1、 采集电力用 户的日负荷曲线数据和变电站主变的日有功功 率曲线数据； S2、 对数据进行数据清洗和归一化 预处理， 获得日负荷曲线数据集； S3、 基于半监督 聚类算法对日负荷曲线数据集进行聚类 分析， 获 得各类型负荷的日负荷曲线模板； S4、 基于逐步 线性回归算法， 通过日负荷曲线模板对日有功功 率曲线数据进行拟合分析， 获得负荷的类型和占 比； 模型体现了负荷用电的时变特性， 采用电力 用户的日负荷曲线数据和变电站主变的日有功 功率曲线数据分析负荷组成。 权利要求书2页 说明书8页 附图4页 CN 115496159 A 2022.12.20 CN 115496159 A 1.一种基于模板逐步回归分析的负荷构成辨识方法， 其特 征是： 包括 S1、 采集电力用户的日负荷曲线数据和变电站主变的日有功 功率曲线数据； S2、 对所述电力用户的日负荷曲线数据和所述变电站主变的日有功功率曲线数据进行 数据清洗和归一 化预处理， 获得日负荷曲线数据集； S3、 基于半监督聚类算法对所述日负荷曲线数据集进行聚类分析， 获得各类型负荷的 日负荷曲线模板； S4、 基于逐步线性回归算法， 通过所述各类型负荷的日负荷曲线模板对所述变电站主 变的日有功功率曲线 数据进行拟合分析， 获得所述变电站主变的日有功功 率曲线数据中负 荷的类型和各类型负荷的占比。 2.根据权利要求1所述的一种基于模板逐步 回归分析的负荷构 成辨识方法， 其特征是： 在步骤S1中， 利用电网公司负荷管控系统采集所述电力用户的日负荷曲线数据， 利用电网 公司能量管理系统采集所述变电站主变压器的日有功 功率曲线数据。 3.根据权利要求1所述的一种基于模板逐步 回归分析的负荷构 成辨识方法， 其特征是： 在步骤S2中， 包括： 取任意数据点的前后相 邻数据点并计算其平均值， 若 该数据点与相 邻数 据点的平均值的偏差在20％以上， 视该 数据点为异常数据点并剔除。 4.根据权利要求1所述的一种基于模板逐步 回归分析的负荷构 成辨识方法， 其特征是： 在步骤S2中， 包括： 针对采集设备故障、 通信故障、 以及异常数据剔除造成的数据缺 失情况， 取缺失点的前后数据点进行样条插值， 利用插值函数在该点的函数值补全缺失数据， 若当 缺失数据达 到一条日负荷曲线数据总量的10％以上， 视该曲线为无效样本并剔除。 5.根据权利要求1所述的一种基于模板逐步 回归分析的负荷构 成辨识方法， 其特征是： 在步骤S2中， 包括： 按下式对电力用户的日负荷曲线数据进行归一 化处理： 其中， Pi＝{Pi(1),Pi(2),...,Pi(n)}表示第i个电力用户的日负荷曲线； min(Pi)和max (Pi)分别表示该用户的最小有功功率和最大有功 功率； t表示时刻点， 由采样频率决定； 表示第i个电力用户t时刻点的归一 化负荷数据。 6.根据权利要求1所述的一种基于模板逐步 回归分析的负荷构 成辨识方法， 其特征是： 在步骤S3中， 包括： S3‑1、 从所述日负荷曲线数据集中筛选各负荷类型的代表性用户的日负荷曲线数据并 标记， 得到带 标记样本集； S3‑2、 基于所述带 标记样本集， 计算各负荷类型的初始聚类中心； S3‑3、 通过所述带标记样本集初始化各聚类簇， 计算所述日负荷曲线数据集中未归类 到任意聚类簇的样本与各聚类中心的欧氏距离， 将所述样本放入 欧式距离最近的聚类簇， 更新各聚类簇； S3‑4、 根据更新后的聚类簇重新计算各负荷类型的聚类 中心， 若聚类中心恒定， 则输出 各聚类中心作为各类型负荷的日负荷曲线模板， 否者返回步骤S3 ‑3。 7.根据权利要求1所述的一种基于模板逐步 回归分析的负荷构 成辨识方法， 其特征是： 步骤S4中， 包括：权　利　要　求　书 1/2 页 2 CN 115496159 A 2S4‑1、 将所述日负荷曲线模板作为自变量， 所述变电站主变的日有功功率曲线作为因 变量， 各类型负荷的日负荷曲线模板组成待选自变量 集合， 初始化已选自变量 集合； S4‑2、 将各类型负荷的日负荷曲线模板分别与日有功功率曲线建立一元回归模型， 基 于F检验法对待选 自变量集合中的日负荷曲线模板进行显著性检验， 取显著性最大 的日负 荷曲线模板为一阶自变量， 将所述一阶自变量写入已选 自变量集合， 并从待选自变量集合 中剔除； S4‑3、 通过所述一阶自变量和各类型负荷的日负荷曲线模板建立二阶的自变量子集， 与因变量建立二元回归模型， 基于F检验法对待选 自变量集合中的日负荷曲线模板进行显 著性检验， 取显著性最大 的日负荷曲线模板为二阶变量， 将所述二阶变量写入已选自变量 集合， 并从待选自变量 集合中剔除； S4‑4、 建立j阶的自变量子集， 与因变量建立j元回归模型， 基于F检验法对待选自变量 集合中的日负荷曲线模板进行显著 性检验， 取显著 性最大的日负荷曲线模板为j阶变量， 将 所述j阶变量写入已选自变量 集合， 并从待选自变量 集合中剔除； S4‑5、 查F检验表， 若步骤S4 ‑4中的最大F检验统计量值大于95％置信度的F临界值， 则 输出j元回归模 型， 若步骤S4 ‑4中的最大F检验统计量值小于95％置信度的F 临界值， 则输出 j‑1元回归模型。 8.根据权利要求7所述的一种基于模板逐步 回归分析的负荷构 成辨识方法， 其特征是： 所述j元回归 模块为： 其中， β0为待求的常数项回归系数， β1为一阶自变量 的回归系数， β2为二阶自变量 的回归系数， βj‑1为j‑1阶自变量 的回归系数， βi为j阶自变量Xi的回归系数， εi表示回归 误差。 9.根据权利要求1所述的一种基于模板逐步 回归分析的负荷构 成辨识方法， 其特征是： 采集频率 为每15分钟一次， 一天共计采集96个数据点。 10.一种基于负荷模板逐步回归分析的负荷构成辨识系统， 其特 征在于， 包括： 采集模块， 用于采集电力用户的日负荷曲线数据和变电站主变的日有功功率曲线数 据； 预处理模块， 用于对所述电力用户的日负荷曲线数据和所述变电站主变的日有功功率 曲线数据进行 数据清洗和归一 化预处理， 获得日负荷曲线数据集； 模型生成模块， 用于基于半监督聚类算法对所述日负荷曲线数据集进行聚类分析， 获 得各类型负荷的日负荷曲线的模板； 回归分析模块， 用于基于逐步线性回归算法， 通过所述各类型负荷的日负荷曲线的模 板对所述变电站主变的日有功功 率曲线数据进行拟合分析， 获得所述变电站主变的日有功 功率曲线数据中负荷的类型和各类型负荷的占比。权　利　要　求　书 2/2 页 3 CN 115496159 A 3