(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 202211121889.X (22)申请日 2022.09.15 (71)申请人 南京邮电大 学 地址 210003 江苏省南京市 鼓楼区新模范 马路66号 (72)发明人 高辉　熊伟笑　陈璐　杨璐彤　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 刘艳艳 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 7/00(2006.01) (54)发明名称 基于贝叶斯网络和模糊聚类分析的居民负 荷用电时段预测方法 (57)摘要 本发明公开了一种基于贝叶斯网络和模糊 聚类分析的居民负荷用电时段预测方法， 所述方 法包括： 建立具有表征外部环境因素、 用户历史 用电数据和负荷在各时段使用状态对应关系的 贝叶斯网络模 型； 获取影 响居民负荷使用的外部 环境因素以及负荷历史用电数据， 外部环境因素 包括环境 温度和日期信息， 将相关数据进行离散 化处理； 获取负荷不同时段开启状态的先验概率 及条件概率， 通过贝叶斯公式计算各时段开启状 态的后验概率， 得到负荷用电状态概率矩阵， 即 负荷在各时段使用的可能性大小； 采用偏大型半 梯度隶属度函数对负荷各个时段用电概率的隶 属度进行模糊评估； 采用模糊聚类 分析方法确定 负荷用电时间范围。 权利要求书3页 说明书8页 附图2页 CN 115409278 A 2022.11.29 CN 115409278 A 1.一种基于贝叶斯网络和模糊聚类分析的居民负荷用电时段预测方法， 其特征在于， 所述方法包括： 获取影响居民负荷使用的外部环境因素以及负荷历史用电数据， 对外部环境因素以及 负荷历史用电数据进行离散化处理； 其中外部环境因素包括用电环境温度和对应日期信 息； 基于离散化处理后的外部环境因素以及负荷历史用电数据， 利用预构建的贝叶斯网络 模型获取负荷不同时段开启状态的先验概率及条件概率， 计算各时段开启状态的后验概 率， 得到负荷用电状态概率矩阵， 即负荷在各时段使用的可能性大小； 其中所述建立贝叶斯 网络模型能够表征外部环境因素、 用户负荷历史用电数据和负荷在各时段使用状态的对应 关系； 基于所述负荷用电状态概率矩阵， 采用偏大型半梯度隶属度函数对负荷各个时段用电 概率的隶属度进行模糊评估； 基于评估得到的负荷各个时段用电概率的隶属度， 采用模糊聚类分析方法确定负荷用 电时间范围。 2.根据权利要求1所述的一种基于贝叶斯网络和模糊聚类分析的居民负荷用电时段预 测方法， 其特征在于， 所述贝叶斯网络模型的构建方法包括： 将负荷历史使用状态、 用电环 境温度信息、 对应日期信息以及各时段 的负荷开启状态作为贝叶斯网络模型 的节点变量， 根据各变量之间的相关 关系搭建贝叶斯网络模型。 3.根据权利要求1所述的一种基于贝叶斯网络和模糊聚类分析的居民负荷用电时段预 测方法， 其特 征在于， 进行离 散化处理， 包括： 对负荷历史用电数据进行离散化处理， 表示用户在 第i天中设备a使用情况的样本集， 表示设备关闭， 表示设备开启， 将一天划 分为T个时段， t∈[1,2,3,4, …,T]表示一天中的任意时段， dn表示该用户在i天内设备a的 使用情况矩阵； F＝{Fi,1,Fi,2,Fi,3,Fi,4,…,Fi,T}表示用户第i天不同时段用电环境温度信息， Fn表示该 用户i天内不同时段的用电环境温度矩阵； 权　利　要　求　书 1/3 页 2 CN 115409278 A 2对日期变量的属性范围进行划分： 日期变量X＝{1,2,3,4,5,6,7,8}： 1 ‑7表示周一到周日七天， 8表示节假日。 4.根据权利要求3所述的一种基于贝叶斯网络和模糊聚类分析的居民负荷用电时段预 测方法， 其特 征在于， 获取负荷不同时段开启状态的先验概 率及条件概 率， 包括： 根据用户用电负荷前i天的历史用电数据、 负荷在各时段使用状态即外部环境数据， 计 算负荷状态 频次占总样本的频次比例得 出先验概率 根据贝叶斯网络的条件独立判定， 在用电设备状态给定的情况下， 外界因素间相互独 立； 因此， 计算条件概 率函数： 其中 为外界因素F,D,X同时在 中出现的条件概率； F,D,X分别表 示用电环境温度、 历史用电数据、 日期。 5.根据权利要求4所述的一种基于贝叶斯网络和模糊聚类分析的居民负荷用电时段预 测方法， 其特 征在于， 计算各时段开启状态的后验概 率， 得到负荷用电状态概 率矩阵， 包括： 对负荷第i+1天t时段的用电状态 计算后验概率 表示该 时段负荷设备开启的可能性大小： 式中： 为外界因素F,D,X同时在 中出现的概率， 表示 的先验概率， 根据负荷状态 频次占总样本的频次比例得出， P(F,D,X)表示外 界因素F,D,X同时出现的概 率； 重复上述步骤， 计算得一天家电设备各时段开启可能性的大小， 从而得到设备一天的 负荷用电状态概 率矩阵Pa＝[Pa,1 Pa,2  …  Pa,T]， 其中Pa,t为用电设备a在时段t的用电概 率。 6.根据权利要求1所述的一种基于贝叶斯网络和模糊聚类分析的居民负荷用电时段预 测方法， 其特征在于， 采用偏大型半梯度隶属度函数对负荷各个时段用电概率的隶属度进 行模糊评估， 包括： 采用偏大 型半梯度隶属度函数计算时段t关于用电时段的隶属度u(Pa,t)： 式中： Pa,t为用电设备a在时段t的用电概率； n为用电设备a在各 时段用电概率中的最大 值； m为用电设备a在各时段用电概 率中的最小值。 7.根据权利要求1所述的一种基于贝叶斯网络和模糊聚类分析的居民负荷用电时段预 测方法， 其特 征在于， 采用模糊聚类分析 方法确定负荷用电时间范围， 包括： 1)以各时段为分类对象， 各时段隶属度为统计指标， 得到一个数据向量E＝[e1 e2  …   eT]T； 2)将数据向量作标准 化处理：权　利　要　求　书 2/3 页 3 CN 115409278 A 3