(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 202211250910.6 (22)申请日 2022.10.13 (71)申请人 国网天津市电力公司城东供电分公 司 地址 300250 天津市河东区红星路67号旁 门 申请人 国网天津市电力公司 　 国家电网有限公司 (72)发明人 魏然　邓欣宇　黄旭　王小璇　 韩斌　李宇　李艳　刘延博　杨喆　 高强伟　刘超　杨国朝　赵长伟　 刘伟　刘扬　骈瑞珺　 (74)专利代理 机构 天津盛理知识产权代理有限 公司 12209 专利代理师 王雨晴(51)Int.Cl. G06Q 10/06(2012.01) G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 基于多元数据处理的综合能源用户用能行 为关联分析方法 (57)摘要 本发明涉及基于多元数据处理的综合能源 用户用能行为关联分析方法， 获取考虑对综合能 源系统冷、 热、 电负荷产生影 响的影响 因素特征， 形成历史冷热电负荷特征库及影 响因素特征库； 构建基于k ‑means算法和Calinski ‑Harabasz （CH） 指标的数据离散化模型， 对冷、 热、 电负荷数 据进行离散化得到多能负荷等级的划分方法； 构 建基于熵的气象数据离散化模型， 对气象数据进 行离散化； 构建基于FP ‑Growth的多能负荷关联 分析模型， 依据不同负荷等级的占比分布确定最 小支持度和最小置信度， 进行综合能源负荷等级 关联分析， 得到综合能源系统用户用能行为关联 分析结果。 本发 明能够挖掘出综合能源用户用能 行为之间及其与外部因素之间的关联性， 为理解 用户的多元用能行为 提供了参 考。 权利要求书2页 说明书9页 附图4页 CN 115310888 A 2022.11.08 CN 115310888 A 1.基于多元数据处理的综合能源用户用能行为关联分析方法， 其特征在于： 包括以下 步骤： 步骤1、 获取考虑对综合能源系统冷、 热及电负荷产生影响的影响因素特征， 形成历史 冷热电负荷特 征库及影响因素 特征库； 步骤2、 根据形成的特征库构建基于k ‑means算法的数据离散化模型， 采用Calinski ‑ Harabasz得分确 定最佳的聚类簇数k， 对冷、 热及电负荷数据进行离散化， 得到多能负荷等 级的划分方法； 步骤3、 根据多能负荷等级的划分方法构建基于熵的气象数据离散化模型， 将气象数据 对应的综合能源总负荷等级标签作为气象数据的属性标签， 对气象数据进行离 散化； 步骤4、 根据离散化气 象数据构建基于FP ‑Growth的多能负荷关联分析模型， 并依据不 同负荷等级的占比分布确定最小支持度M和最小置信度N， 进行综合能源负荷等级关联分 析， 得到综合能源系统用户用能行为关联分析 结果。 2.根据权利要求1所述的基于多元数据处理的综合能源用户用能行为关联分析方法， 其特征在于： 所述步骤1中影响因素特征包括： 冷热电负荷有密切关联的气象因素特征和时 间特征， 其中气象因素特征通过皮尔逊相关系 数进行分析， 时间特征为待预测负荷对应的 时间数据。 3.根据权利要求1所述的基于多元数据处理的综合能源用户用能行为关联分析方法， 其特征在于： 所述步骤2中采用Calinski ‑Harabasz得分确定最佳的聚类簇数k的具体实现 方法为： 其中， 为聚类簇数； 为样本数； 和 分别为簇间的协方差矩阵和簇内协方差矩 阵； 为矩阵的迹， 通过在区间[2， 5]内对 进行迭代， 最大CH得分对应的 为最佳聚类簇 数。 4.根据权利要求1所述的基于多元数据处理的综合能源用户用能行为关联分析方法， 其特征在于： 所述 步骤3包括以下步骤： 步骤3 .1、 对气象数据属性标签 由小到大进行排序， 得到排序后的序列 ； 步骤3.2、 依次计算两个相邻数据的均值： ， 并将 当作一个 潜在分割点， 将数据分为两 部分 和 ， 计算 和 的加权信息熵 和 ， 步骤3.3、 以加权信息熵 达到最小值时对应的 为分割点将样本分为两部分， 计算两部分的信息熵， 将熵值小的区间标记为 一个离散属性值； 步骤3.4、 对熵值大的区间重 复步骤3.1至3.4， 直至离散属性数目满足要求或数据分割 后两个子集的信息熵之差小于阈值 时结束。 5.根据权利要求4所述的基于多元数据处理的综合能源用户用能行为关联分析方法，权　利　要　求　书 1/2 页 2 CN 115310888 A 2其特征在于： 所述 步骤3.2中加权信息熵 和 的具体计算方法为： 其中， 为以 为分割点的一个数据子集； 为 中第 类样本出现的概率； 为 子集 的信息熵； 为以 为分割点的两个子集的加权信息熵； 为 的样本数目， 对 不断迭代， 达到最小值时对应的 即为分割点。 6.根据权利要求1所述的基于多元数据处理的综合能源用户用能行为关联分析方法， 其特征在于： 所述步骤4中根据离散化气象数据构建基于FP ‑Growth的多能负荷关联分析模 型包括以下步骤： 步骤4.1、 第一遍扫描离散化气象数据， 记录每个项出现的次数并计算其支持度， 通过 设定的最小支持度进 行筛选， 删除小于最小支持度的项， 将剩余的项按其支持度降序排列， 得到频繁项列表； 步骤4.2、 第二遍扫描离散化气象数据， 过滤不频繁集合， 按照频繁项列表中各项 的顺 序进行降序排列， 然后在创建FP ‑tree根节 点的基础上， 通过合并共同前缀的方式把数据压 缩并映射到  FP‑tree中； 步骤4.3、 按照自上而下的顺序挖掘FP ‑tree， 以FP ‑tree的尾项为划分基准分别进行挖 掘， 得到有关项的频繁项集， 对其取并集即可 得到数据集的所有频繁项集。 7.根据权利要求1所述的基于多元数据处理的综合能源用户用能行为关联分析方法， 其特征在于： 所述 步骤4中最小置信度N 为60%， 最小支持度M为后项负荷等级占比的40%。 8.根据权利要求1所述的基于多元数据处理的综合能源用户用能行为关联分析方法， 其特征在于： 所述步骤4中关联分析使用的关联规则为： 得到FP ‑Growth的多能负荷关联分 析模型的频繁项集后， 对离散化气象数据中的每个频繁项集 生成非空子集 ， 并判断是 否满足 ， 其中 为最小置信度， 则 为一条强关联规则。权　利　要　求　书 2/2 页 3 CN 115310888 A 3