(19)中华 人民共和国 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 202111398505.4 (22)申请日 2021.11.24 (71)申请人 国网江苏省电力有限公司泰州供电 分公司 地址 225300 江苏省泰州市凤 凰西路2号 (72)发明人 朱一松　刘兴胜　王进　张泽　 翁蓓蓓　鞠玲　赵剑锋　毛妍纯　 董坤　 (74)专利代理 机构 北京市隆安 律师事务所 11323 代理人 沈威 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 7/00(2006.01) (54)发明名称 一种电力负荷分解模型的建立方法及装置 (57)摘要 本发明公开了一种电力负荷分解模型的建 立方法及装置， 方法包括： 采集用户用电数据： 将 所述用户用电数据作为训练集， 对 所述用户用电 数据进行K均值聚类算法处理， 获得负荷相同运 行状态下对应的有功功率的平均值； 根据所述负 荷相同工作状态下对应的有功功率的平均值， 基 于改进的迭代尺度法， 根据负荷的特征函数训练 得到模型的参数， 获得线性条件随机场模型作为 电力负荷分解模 型； 利用状态特征和状态转移特 征来描述负荷模 型， 克服了目前隐马尔可夫及其 拓展模型中对负荷序列以及观测序列的不合理 假设， 提高负荷元件分解的准确性。 权利要求书3页 说明书10页 附图1页 CN 114091338 A 2022.02.25 CN 114091338 A 1.一种电力负荷分解模型的建立方法， 其特 征在于， 包括： 采集用户用电数据： 将所述用户用电数据作为训练集， 对所述用户用电数据进行K均值聚类算法处理， 获得 负荷相同运行状态下对应的有功 功率的平均值； 根据所述负荷相同工作状态下对应的有功功率的平均值， 基于改进的迭代尺度法， 根 据负荷的特征函数训练得到模型的参数， 获得线性条件随机场模型作为电力负荷分解模 型。 2.根据权利要求1所述的方法， 其特征在于， 所述用户用电数据包括单个负荷元件的有 功功率。 3.根据权利要求2所述的方法， 其特征在于， 对所述用户用电数据进行K均值聚类算法 处理， 获得负荷相同运行状态下对应的有功 功率的平均值， 包括： 将多个单个负荷元件的有功 功率作为训练样本， 并随机生成k个初始聚类中心点； 计算每个训练样本与 所述初始聚类中心点的欧式距离， 并将距离所述初始聚类中心点 最近的预设数量个训练样本划分到对应的运行状态聚类中； 重新计算每个聚类的聚类中心点， 并重新划分运行状态聚类， 直到聚类中心点收敛或 者聚类次数达到预设次数， 获得的最 终聚类的聚类中心 点为负荷相同工作状态下对应的有 功功率的平均值。 4.根据权利要求2或3所述的方法， 其特征在于， 负荷的特征函数包括负荷相邻运行状 态之间的状态转移特 征函数t1,t2,…,tK1以及负荷当前运行状态特 征函数s1,s2,…,sK2； 所述模型的参数包括权值； 根据所述负荷相同工作状态下对应的有功功率的平均值， 基于改进的迭代尺度法， 根 据负荷的特 征函数训练得到模型的参数， 包括： 将通过聚类获得的负荷相同工作状态下对应的有功功率的平均值作为状态序列S， 将 单个负荷元件的有功 功率作为有功 功率序列P； 将所述状态序列S和所述有功 功率序列P作为训练集， 获得 联合经验分布 将所述联合经验分布 负荷相邻运行状态之间的状态转移特征函数t1,t2,…, tK1以及负荷当前运行状态特 征函数s1,s2,…,sK2作为输入： 取权值ωk初始值为0， 对每一 k∈{1,2, …,K}： 当k＝1,2,…,K1时， 令 δK是方程 的解， K1表示状态转移特征的个数， T 为时间序列总个数， p为有功功率， s为隐藏状态值， t表示时刻， 表示有功功率的经验概率分布， P(s|p)表示线性条件随机场模型， tk (st‑1,st,p,t)表示负荷相邻运行状态之间的状态转移特征函数， 表示负荷相邻运行 状态之间的状态转移特 征函数关于联合经验分布的数 学期望； 当k＝K1+l,l＝1,2,…,K2时， 令 δk是方程权　利　要　求　书 1/3 页 2 CN 114091338 A 2的解， K2表示当前运行状态特征的个数， T为时间序列总个数， sl(st,p,t)表示定义在 结 点上的运行状态特征函数， l为结点个数， 表示有功功率的经验概率分布， P(s|p)表示 线性条件随机场模型， 表示结点上的当前运行状态特征函关于联合经验分布的数学 期望； 其中， T(p,s)由下式进行计算： 其中， K表示状态转移特征和当前运行状态特征个数的总和， n为训练集内数据个数， fk (s,p)表示特征函数的全局表达形式， m表示训练集内数据各个时刻的数据点， p为有功功 率， sm‑1表示前一时刻的隐藏状态值， sm表示当前时刻的隐藏状态值； 根据计算的δK值， 更新权值ωk： ωk←ωk+δK， 直到权值ωk收敛。 5.根据权利 要求4所述的方法， 其特征在于， 所述线性条件随机场模型P(s|p)通过以下 形式表示： 式中， fk(s,p)表示特征函数的全局表达形式， ωk表示权值， K表示状态转移 特征和当前 运行状态特 征个数的总和， Z(p)为 规范化因子 。 6.根据权利要求5所述的方法， 其特征在于， 获得线性条件随机场模型作为电力负荷分 解模型之后， 还 包括： 结合用户用电数据和线性条件随机场模型， 借助维比特算法， 形成最大概率的负荷元 件运行状态序列； 根据所述 最大概率的负荷元件运行状态序列对所述线性条件随机场模型进行评价。 7.根据权利要求6所述的方法， 其特征在于， 结合用户用电数据和线性条件随机场模 型， 借助维比特算法， 形成最大概 率的负荷元件运行状态序列， 包括： 初始化， 通过公式δ1(j)＝ω·F1(s0＝start,s1＝j,p),j＝1,2, …,m， 求取t＝1时刻的 非规范化概率， 其中， δ1(j)为t＝1时刻的非规范化概率， p为有功功率， F1(s0＝start,s1＝ j,p)表示在时刻t＝1的局部特征变量， j为标记变量， m为标记总量， ω为权值向量， ω＝ (ω1,ω2,…,ωk)T； 通过递推公式δi(q)＝max1≤j≤m{ δi‑1(j)+ω·Fi(si‑1＝j,si＝q,p)},q＝1,2, …,m， 求解 t＝i时刻非规范化概率最大值， 其中， δi(q)为t＝i时刻非规范化概率最大值， q为标记变 量， δi‑1(j)表示t＝ i‑1时刻的非规范化 概率； 通过递推 公式ψi(q)＝arg  max1≤j≤m{ δi‑1(j)+ω·Fi(si‑1＝j,si＝q,p)},l＝1,2, …,m， 记录非规范化 概率最大值的路径 ψi(q)；权　利　要　求　书 2/3 页 3 CN 114091338 A 3