本公開的實施方式涉及電網(wǎng)技術(shù)領(lǐng)域，并且更具體地涉及用于識別電力客戶的負(fù)荷波動性的系統(tǒng)、方法和裝置以及有形計算機可讀介質(zhì)。

背景技術(shù)：

各種行業(yè)都具有與之相關(guān)聯(lián)的網(wǎng)絡(luò)。一個此類行業(yè)是管理電網(wǎng)的公用事業(yè)行業(yè)。電網(wǎng)可包括以下各項中的一個或全部：發(fā)電、電力傳輸以及配電?？梢允褂弥T如煤電廠、核電廠等發(fā)電站來發(fā)電。出于效率的目的，產(chǎn)生的電力被逐步增加至非常高的電壓(例如345K伏)并通過傳輸線傳送。傳輸線可長距離傳送電力，諸如跨州界或跨國際邊界，直至其到達(dá)其批發(fā)客戶為止，該批發(fā)客戶可以是擁有本地配電網(wǎng)的公司。傳輸線可在傳輸變電站處終止，其可以將非常高的電壓逐步降低至中壓(例如138K伏)。從傳輸變電站，較小的傳輸線(諸如子傳輸線)將中壓傳送到配電站。在配電站處，該中間電壓可以被再次逐步降低至“中壓”(例如從4K伏至23K伏)。一個或多個饋電電路可從配電站發(fā)出。例如，四個至數(shù)十個饋電電路可從配電站發(fā)出。饋電電路是包括4個導(dǎo)線(三個導(dǎo)線用于3個相中的每一個且一個導(dǎo)線用于零線)的3相電路。饋電電路可在地面上(在電線桿上)或地下敷設(shè)。可以使用配電變壓器周期性地將饋電電路上的電壓分接出來，這使電壓從“中壓”逐步降低至消費者電壓(例如120V)。該消費者電壓然后可以被消費者使用。

不同的客戶具有不同的電力使用行為，這可以從例如圖1看到。可以看到一部分客戶在白天要求更多的電力，另一部分客戶在夜晚要求更多電力，并且另一部分客戶全天具有基本上恒定的電力需求。獲悉客戶的用電特性將是有益的，因為其可以幫助理解客戶的使用行為偏好，這對諸如需求側(cè)管理之類的公用事業(yè)公司的商業(yè)活動非常有用。這將促進與客戶的更好交互以更高效地使用電能和電力設(shè)備，改善電力工業(yè)的投資效率，降低成本，增強發(fā)電、輸電、配電與客戶之間的資源優(yōu)化配置的水平，以滿足越來越危急的挑戰(zhàn)，諸如更大數(shù)目的客戶、更高的服務(wù)預(yù)期、來自政府的更嚴(yán)格的需求側(cè)管理(DSM)要求等。

可以通過客戶的使用波動性來表示客戶的用電行為偏好。由于大規(guī)模的客戶數(shù)量，自動地識別客戶的使用波動性將比通過人工觀察和處理更加切合實際。使用波動性自動識別可以幫助公用事業(yè)公司快速地識別客戶的使用特性，找出典型的客戶，并且基于那些來更好地且有效地支持公用事業(yè)公司的商業(yè)活動。

一般地，可以用電力客戶的負(fù)荷曲線的趨勢拐點來表征負(fù)荷波動性?？蛻舻拿咳肇?fù)荷曲線通常由24或96個測量負(fù)荷值或點組成，取決于智能儀表是每小時還是每15分鐘收集使用數(shù)據(jù)。趨勢拐點是負(fù)荷曲線中的轉(zhuǎn)變點，其中負(fù)荷變化趨勢從上升趨勢變成下降趨勢或者從下降趨勢變成上升趨勢。在這種意義上，識別負(fù)荷波動性僅僅是識別負(fù)荷曲線的趨勢拐點。

進行了識別時間系列數(shù)據(jù)的趨勢的許多研究。大多數(shù)方法是基于分段近似，其將把時間系列數(shù)據(jù)分割成多個段，并且然后在每個分段內(nèi)執(zhí)行線性近似。此分段近似可以幫助識別時間系列數(shù)據(jù)的主要波動并濾除噪聲。分段近似的關(guān)鍵問題是如何確定分段的合理的預(yù)先指定邊界。關(guān)于邊界確定，已做了大量工作，并且可以將其分成兩類：(1)基于誤差范數(shù)：分段近似，諸如滑動窗口、自上而下、自下而上等，(2)基于特殊點，諸如界標(biāo)、系列重要點等。

雖然這些基于分段近似的方法已被應(yīng)用于水文學(xué)、庫存預(yù)測以及航空航天等，但其不能在負(fù)荷波動性識別中使用，因為這些方法全部需要預(yù)先指定的閾值來控制誤差范數(shù)或段數(shù)。雖然客戶的波動性是隨機且多樣化的，并且一個確定的閾值不能滿足所有不同種類的波動性，并且另一方面，不同于關(guān)心誤差范數(shù)的其它應(yīng)用，公用事業(yè)公司更多地關(guān)心負(fù)荷波動趨勢。因此，當(dāng)前，在電力工業(yè)中尚不存在負(fù)荷波動性識別解決方案。

技術(shù)實現(xiàn)要素：

為此，根據(jù)本發(fā)明的第一方面，提供了一種用于識別電力客戶的負(fù)荷波動性的系統(tǒng)。本系統(tǒng)包括：至少一個處理器；以及至少一個存儲器，其存儲計算機可執(zhí)行指令。所述至少一個存儲器和計算機可執(zhí)行指令被配置成利用所述至少一個處理器促使所述系統(tǒng)：通過對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行基于密度的空間聚類，自動地確定用于分割電力客戶的負(fù)荷曲線的邊界點；以及借助于確定的所述邊界點來檢測負(fù)荷曲線的趨勢拐點，從而識別電力客戶的負(fù)荷波動性。

在本公開的實施方式中，可基于聚類參數(shù)來執(zhí)行基于密度的空間聚類，所述聚類參數(shù)包括在集群中需要的數(shù)據(jù)點的最小數(shù)目和掃描半徑。

在本公開的另一實施例中，可基于電力客戶的負(fù)荷曲線的點的K-距離來確定掃描半徑，其中所述K-距離是數(shù)據(jù)點與其最近第K數(shù)據(jù)點的距離，并且K等于集群中所需的數(shù)據(jù)點的最小數(shù)目。

在本公開的另一實施例中，掃描半徑可被確定為距離通過定序K-距離圖的起點和終點的線最遠(yuǎn)的定序K-距離圖的點的K-距離，其中定序K-距離圖是由按K-距離定序的數(shù)據(jù)點形成的圖。

在本公開的另一實施例中，集群中所需的數(shù)據(jù)點的最小數(shù)目可被定義為在一小時內(nèi)收集的數(shù)據(jù)點的數(shù)目。

在本公開的另一實施例中，檢測負(fù)荷曲線的趨勢拐點可包括：檢測基于確定的所述邊界點而被分割的負(fù)荷曲線的每段中的拐點。

在本公開的另一實施例中，檢測負(fù)荷曲線的趨勢拐點還可包括：檢測通過至少部分地使用檢測到的拐點而重新分割的負(fù)荷曲線的每段中的遺漏拐點。

在本公開的另一實施例中，其中本系統(tǒng)可進一步被配置成在確定邊界點之前重復(fù)地對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行移動平均，直至負(fù)荷曲線的拐點的數(shù)目不減小為止。

在本公開的另一實施例中，系統(tǒng)可進一步被配置成對邊界點和檢測到的拐點執(zhí)行線性內(nèi)插。

在本公開的另一實施例中，系統(tǒng)可被進一步配置成通過省略具有相同趨勢的相鄰段的中間點來識別表示電力客戶的負(fù)荷波動性的主要波動的主要趨勢拐點。

根據(jù)本公開的第二方面，提供了一種用于識別電力客戶的負(fù)荷波動性的方法。本方法包括：通過對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行基于密度的空間聚類，自動地確定用于分割電力客戶的負(fù)荷曲線的邊界點；以及借助于確定的所述邊界點來檢測負(fù)荷曲線的趨勢拐點，從而識別電力客戶的負(fù)荷波動性。

根據(jù)本公開的第三方面，提供了一種用于識別電力客戶的負(fù)荷波動性的裝置。該裝置包括：用于通過對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行基于密度的空間聚類、自動地確定用于分割電力客戶的負(fù)荷曲線的邊界點的部件；以及用于借助于確定的所述邊界點來檢測負(fù)荷曲線的趨勢拐點，從而識別電力客戶的負(fù)荷波動性的部件。

根據(jù)本公開的第四方面，提供了用于識別電力客戶的負(fù)荷波動性的另一裝置。所述方法包括：邊界點確定模塊，其被配置成通過對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行基于密度的空間聚類、自動地確定用于分割電力客戶的負(fù)荷曲線的邊界點；以及趨勢點檢測模塊，其被配置成借助于確定的所述邊界點來檢測負(fù)荷曲線的趨勢拐點，從而識別電力客戶的負(fù)荷波動性。

根據(jù)本公開的第五方面，提供了一種具有多個指令的有形計算機可讀介質(zhì)，所述多個指令可被處理器執(zhí)行以重配置配電網(wǎng)。所述有形計算機可讀介質(zhì)可以包括被配置成執(zhí)行根據(jù)本公開第二方面方法的步驟的指令。

用本公開的實施方式，可基于每個電力客戶的負(fù)荷數(shù)據(jù)而不是使用預(yù)定閾值來自動地確定用于分割負(fù)荷曲線的邊界點和因此確定負(fù)荷曲線的負(fù)荷波動性，這可以提供用于負(fù)荷波動性的自適應(yīng)自動識別的解決方案。

附圖說明

通過關(guān)于如參考附圖在實施例中舉例說明的實施例的詳細(xì)說明，本公開的上述及其它特征將變得更加顯而易見，其中遍及本公開附圖，相同的附圖標(biāo)記表示相同或類似部件，并且在所述附圖中：

圖1示意性地圖示出不同電力客戶的電力使用行為的圖；

圖2示意性地圖示出根據(jù)本公開的實施方式的用于識別電力客戶的負(fù)荷波動性的方法的流程圖；

圖3示意性地圖示出根據(jù)本公開的實施方式的用于濾除負(fù)荷曲線中的噪聲點的方法的流程圖；

圖4A至4C示意性地圖示出根據(jù)本公開的實施方式的原始負(fù)荷數(shù)據(jù)、傳統(tǒng)MA之后的預(yù)處理符合數(shù)據(jù)以及LMA之后的預(yù)處理數(shù)據(jù)的圖；

圖5示意性地圖示出根據(jù)本公開的實施方式的確定用于聚類的掃描半徑的圖；

圖6示意性地圖示出根據(jù)本公開的實施方式的示出了執(zhí)行基于密度的空間聚類的示例性結(jié)果的圖；

圖7示意性地圖示出根據(jù)本公開的實施方式的借助于確定的所述邊界點來檢測負(fù)荷曲線的趨勢拐點的操作的圖；

圖8A至8D示意性地圖示出根據(jù)本公開的實施方式的所檢測拐點和分段的操作的圖；

圖9A至9D示意性地圖示出根據(jù)本公開的實施方式的電力客戶的負(fù)荷波動性的示例性趨勢曲線的圖；

圖10示意性地圖示出根據(jù)本公開的實施方式的用于識別電力客戶的負(fù)荷波動性的系統(tǒng)的框圖；

圖11示意性地圖示出根據(jù)本公開的實施方式的用于識別電力客戶的負(fù)荷波動性的裝置的框圖；

圖12示意性地圖示出根據(jù)本公開的另一實施例的用于識別電力客戶的負(fù)荷波動性的裝置的框圖；以及

圖13示意性地圖示出可編程為專用計算機系統(tǒng)的通用計算機系統(tǒng)，其可表示在本文中提及的任何計算設(shè)備。

具體實施方式

在下文中，將參考附圖來描述本公開的實施方式。在以下描述中，闡述了許多特定細(xì)節(jié)以便提供實施例的透徹理解。然而，對于本領(lǐng)域的技術(shù)人員顯而易見的是本公開的實施方式可不具有這些細(xì)節(jié)，并且本公開不限于如在本文中介紹的特定實施例。相反地，可考慮以下特征和元素的任何的任意組合以實現(xiàn)和實施本公開，無論其是否涉及到不同的實施例。因此，以下方面、特征和實施例僅僅用于說明性目的，并且不應(yīng)理解為所附權(quán)利要求的元素或限制，除非在權(quán)利要求中另外明確地指明。另外，在某些情況下，并未詳細(xì)地描述眾所周知的方法和結(jié)構(gòu)以免不必要地使本公開的實施方式含糊難懂。

如前所述，現(xiàn)有的趨勢識別方案并不適合于負(fù)荷波動性識別，而在本領(lǐng)域中迫切需要負(fù)荷波動性的自動識別。因此，在本公開中，提出了用于識別電力客戶的負(fù)荷波動性的解決方案以實現(xiàn)用于負(fù)荷波動性的自適應(yīng)自動識別。

接下來，將參考圖2來描述如在本公開中提出的用于識別電力客戶的負(fù)荷波動性的方法，圖2示意性地圖示出根據(jù)本公開的實施方式的用于識別電力客戶的負(fù)荷波動性的方法的流程圖。

如圖2中所示，首先在步驟S201處，通過對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行基于密度的空間聚類來自動地確定用于分割電力客戶的負(fù)荷曲線的邊界點。

如已知的，客戶的波動性是隨機且多樣化的，并且一個確定的閾值不能滿足所有不同種類的波動性，并且另一方面，不同于關(guān)心誤差范數(shù)的其它應(yīng)用，公用事業(yè)公司更多地關(guān)心負(fù)荷波動趨勢。因此，需要一種找到用于不同客戶的適當(dāng)邊界點的方法。

本發(fā)明人注意到負(fù)荷曲線具有其自己的性質(zhì)，即峰值或谷值時段期間的負(fù)荷點的分布比平穩(wěn)時段的更加密集。邊界點確定可使用此性質(zhì)，這使得能夠使用基于密度的數(shù)據(jù)挖掘技術(shù)來識別負(fù)荷曲線的峰值和谷值段。在本公開中，本發(fā)明人提出了使用基于密度的空間聚類來找到用于分割負(fù)荷曲線的邊界點，其引入了距離定義的增強和聚類參數(shù)的自動確定。在本文中，可將此算法稱為增強型具有噪聲的應(yīng)用程序的基于密度的聚類方法(DBSCAN)，在下文中將對其進行描述。

可基于負(fù)荷曲線的原始數(shù)據(jù)點來執(zhí)行聚類；然而，優(yōu)選的是對經(jīng)過濾波的數(shù)據(jù)點執(zhí)行聚類以改善后續(xù)趨勢識別操作的性能。也就是說，在聚類之前，可使用濾波器來濾除負(fù)荷曲線的噪聲點。存在大量濾波技術(shù)，諸如移動平均(MA)、平均中值濾波、一階滯后濾波等，其中的每一個都可以在本文中使用。

然而，在本公開中，提出了一種可稱為循環(huán)移動平均(LMA)的新濾波方法。MA方法本身是用于濾除隨機噪聲的眾所周知的平滑化預(yù)測技術(shù)。但是本發(fā)明人注意到正規(guī)的MA方法僅僅執(zhí)行移動濾波一次且其可能不會濾除所有的噪聲點，許多噪聲點仍然存在。為了增強正規(guī)MA方法，向這種方法中引入循環(huán)而形成LMA方法，其意指重復(fù)MA多次以獲得比僅應(yīng)用MA一次更好的效果。

雖然可以預(yù)先確定重復(fù)MA的次數(shù)，但在本公開中引入了迭代終止條件以避免由于MA的過多重復(fù)而對這些數(shù)據(jù)點進行過濾波(over-filtering)。接下來，將詳細(xì)地描述MA計算和LMA的迭代終止條件。

移動平均(MA)計算

MA計算是用負(fù)荷曲線中的每個點及其最近相鄰點的平均值來替換該點的值。

如果客戶的每日負(fù)荷曲線用一組數(shù)據(jù)(或點)被表示為

L＝{P(1),P(2),…,P(n)} (1)

其中P(i)表示當(dāng)日第i時段中的客戶的負(fù)荷值，n指定每日的時間段的總數(shù)，則可以將MA之后的平滑化負(fù)荷計算為，

LMA的迭代終止條件

可以理解的是，過多的MA重復(fù)可能導(dǎo)致過度濾波和波形失真，這意味著趨勢拐點很可能也被濾除。因此，需要迭代終止條件以將LMA的循環(huán)次數(shù)控制在合理水平。還可以認(rèn)識到的是，MA的重復(fù)次數(shù)應(yīng)是根據(jù)不同負(fù)荷曲線的自適應(yīng)數(shù)目而不是預(yù)先指定值，并且有效的MA迭代應(yīng)能夠減少噪聲點；否則，此MA循環(huán)應(yīng)終止。因此，迭代終止條件可以是通過每次MA迭代，噪聲點是否減少。

另一方面，本發(fā)明人注意到噪聲點的減少將導(dǎo)致拐點的減少，并且計算拐點的數(shù)目比計算噪聲點更為容易。因此，在本公開中，可以以更切合實際的方式，提出如下迭代終止條件：負(fù)荷數(shù)據(jù)的拐點的數(shù)目是否通過當(dāng)前MA迭代而減少。

圖3圖示出根據(jù)本公開的實施方式的對負(fù)荷曲線的數(shù)據(jù)點執(zhí)行LMA的過程。如圖3中所示，首先在第一步驟S301處，計算負(fù)荷曲線的拐點的數(shù)目。然后在步驟S302處，對負(fù)荷曲線的數(shù)據(jù)點執(zhí)行移動平均。在移動平均之后，在步驟S303處，再次地確定新負(fù)荷曲線的拐點的數(shù)目。接下來，在步驟S304處，將新確定的數(shù)目與先前的數(shù)目相比較以確定拐點的數(shù)目是否減小。如果是，則本方法返回至步驟S302并進入另一循環(huán)；否則，本方法結(jié)束并獲得最終的經(jīng)過濾波的負(fù)荷數(shù)據(jù)。

圖4A至4C圖示出示出了根據(jù)本公開的實施方式的MA和LMA的結(jié)果的比較的圖。針對商業(yè)客戶對在一天內(nèi)每15分鐘收集的其負(fù)荷數(shù)據(jù)執(zhí)行提出的LMA。LMA技術(shù)在3次循環(huán)往復(fù)之后自動地終止，因為負(fù)荷曲線的拐點的數(shù)目通過第三循環(huán)往復(fù)不再減小。圖4A圖示出電力客戶的原始負(fù)荷數(shù)據(jù)，圖4B圖示出用MA對數(shù)據(jù)點進行預(yù)處理的結(jié)果，并且圖4C圖示出用LMA對數(shù)據(jù)點進行預(yù)處理的結(jié)果。從圖4顯而易見的是，LMA可以在不使原始負(fù)荷曲線失真的情況下提供更好的濾波效果。

在獲得經(jīng)過濾波的負(fù)荷數(shù)據(jù)之后，可以例如對經(jīng)過濾波的負(fù)荷數(shù)據(jù)執(zhí)行DBSCAN。接下來，將關(guān)于距離矩陣以及兩個聚類參數(shù)對基于密度的聚類進行詳細(xì)描述。

距離矩陣

基于每個負(fù)荷點之間的距離來構(gòu)造在此算法中使用的距離矩陣，其可用下式來表示：

DIST_n×n＝{dist(i,j)|1≤i≤n,1≤j≤n} (3)

其中dist(i，j)是點i和j之間的距離，其通常被計算為在等式(4)中給出的歐幾里德距離：

然而，在本公開中，dist(i，j)被定義為加權(quán)距離，可以將其寫為：

以這種方式，可以將該距離的y距離分量擴展至與i和j的x距離相同的水平，其中x距離是i和j的平方差，并且y距離是P(i)和P(j)距離的擴展平方差。這是因為負(fù)荷數(shù)據(jù)在這種方法中被歸一化，因此y軸中的負(fù)荷值在[0,1]內(nèi)，而x軸中的時間間隔的值在[1，n]內(nèi)，其比y維度的值大得多。在沒有擴展的情況下，距離信號將深深地受x維度的影響，并且不能有效地反映有價值的y維度波動性信號。

聚類參數(shù)

在本公開中，在聚類中使用的兩個參數(shù)包括MinPts以及掃描半徑ε(eps)，其中MinPts即在集群中所需的數(shù)據(jù)點的最小數(shù)目或形成稠密區(qū)所需的數(shù)據(jù)點的最小數(shù)目)，掃描半徑ε(eps)可以半自適應(yīng)地確定。參數(shù)MinPts用來確定集群的最小尺寸。參數(shù)ε(eps)被用作用于掃描數(shù)據(jù)點的相鄰數(shù)據(jù)點的半徑。如果在掃描之后其包含不少于MinPts的足夠點，則集群開始；否則，該點被標(biāo)記為噪聲，然而該點可以在另一點的足夠尺寸的ε環(huán)境中被發(fā)現(xiàn)，并且成為另一集群的一部分。參數(shù)MinPts可被設(shè)定為在一個時刻內(nèi)收集的負(fù)荷點的數(shù)目，其意味著如果負(fù)荷曲線是每15分鐘收集的，則MinPts最好為4。這是因為負(fù)荷的峰值或谷值段常常持續(xù)超過一個小時，并且這種可能性是相當(dāng)高的。在本公開中，基于電力客戶的負(fù)荷曲線的點的K-距離來確定參數(shù)ε(eps)。K-距離是數(shù)據(jù)點與其最近的第K數(shù)據(jù)點的距離，其可以用等式(5)來計算。K可等于集群中所需的數(shù)據(jù)點的最小數(shù)目，例如4。

在本公開的示例性實施例中，可將這些數(shù)據(jù)點按其各自的K-距離定序，從而形成定序K-距離圖?？梢詫?shù)ε(eps)設(shè)定為定序K-距離圖中的轉(zhuǎn)變點S的K-距離，在該轉(zhuǎn)變點定序K-距離開始急劇變化。

通常，通過人工觀察來確定S的位置和相應(yīng)的ε(eps)。然而，由于電力客戶數(shù)目巨大，這在本公開中并不是適當(dāng)?shù)摹Ｒ虼?，為了自動地確定參數(shù)ε(eps)，如下提出了一種方法。

首選，如圖5中所示，在定序K-距離圖的起點與終點之間畫一條連接線MN。然后，可以如下方式表示線MN，

Ax+By+C＝0 (6)

其中

B＝-1 (8)

C＝y(tǒng)_M-Ax_M (9)

其次，使用等式6來計算從線MN至定序K-距離圖的每個點的垂直距離D，

第三，將計算的這些垂直距離進行比較以找到具有與線MN的最大距離的轉(zhuǎn)變點S。然后，將對應(yīng)于點S的K-距離確定為適當(dāng)是ε(eps)值，如圖5中所示。

一旦獲得上述距離矩陣和兩個參數(shù)，就可以對其執(zhí)行DBSCAN，并且可以容易地將峰值&谷值點進行聚類。以這種方式，可以獲得正如圖6中所示的峰值和/或谷值時段的一個或多個集群，其中由同一形狀表示的數(shù)據(jù)點屬于同一集群，并且具有圓圈形狀的數(shù)據(jù)點是不屬于任何集群的數(shù)據(jù)點。例如，用三角形表示的數(shù)據(jù)點屬于集群1，用加號表示的數(shù)據(jù)點屬于集群2等等。此外，還可以看到可以有效地識別適當(dāng)?shù)倪吔?。因此，這種方法針對不同的負(fù)荷數(shù)據(jù)是自適應(yīng)的，并且不需要預(yù)先指定參數(shù)。

在確定邊界點之后，可以檢測借助于邊界點而被分割開的每段負(fù)荷曲線中的負(fù)荷曲線的趨勢拐點，以便正如圖2中的步驟S201所示，識別出電力客戶的負(fù)荷波動性。

特別地，如圖7中所示，首先在步驟S701處，基于如在步驟S201中確定的邊界點來執(zhí)行負(fù)荷曲線分割。換言之，可以將每個集群的起點和終點取作邊界點以將負(fù)荷曲線分割成多個段。圖8A示意性地圖示出此負(fù)荷曲線分割操作。

然后在步驟S702處，在每個分段中檢測原始拐點。特別地，可找到每個分段內(nèi)的最大和最小值。如果最大和最小值是該段的邊界點，則意味著在此段中不存在拐點，而如果存在并非該段的邊界點的最大或最小值，則意味著在此段內(nèi)存在拐點。如圖8B中所示，找到六個原始拐點p1至p6。

找到的拐點p1至p6和用于分割曲線的邊界點可用來表示負(fù)荷波動性。例如，可以對這些點執(zhí)行線性內(nèi)插，以形成客戶的負(fù)荷波動性的趨勢曲線。線性內(nèi)插是一種已知內(nèi)插方法，并且因此在本文中出于簡化的目的將不進行詳細(xì)闡述。圖9A示意性地圖示出通過執(zhí)行線性內(nèi)插實現(xiàn)的電力客戶的負(fù)荷波動性的趨勢曲線。

優(yōu)選地，可在找到的拐點和邊界點上執(zhí)行分段線性內(nèi)插(PLI)。特別地，可以首先對找到的拐點和邊界點執(zhí)行線性內(nèi)插。然后識別具有相同趨勢的相鄰段。在相鄰段之中，僅留下第一起點和最后的終點，并且省略所有中間拐點。也就是說，針對相鄰段，保留第一段的起點和最后一段的終點并忽視所有其它點。然后，可再次地對其余點執(zhí)行線性內(nèi)插以獲得表示客戶的負(fù)荷波動性的主要波動的趨勢曲線。在圖9B中圖示出客戶的負(fù)荷波動性的示例性趨勢曲線。

然而，本發(fā)明人注意到，在步驟S702中可能不會獲得準(zhǔn)確的趨勢拐點，例如可能遺漏某些趨勢拐點。為了獲得更準(zhǔn)確的負(fù)荷波動性，優(yōu)選地，在步驟S703處，可以至少部分地通過使用新找到的拐點來將負(fù)荷曲線重新分割，并且可再次地執(zhí)行找到拐點的過程。

可用不同的方式執(zhí)行此過程。作為示例，可以使用在步驟S702處檢測到的拐點和原始邊界點來重新分割原始負(fù)荷曲線。此外，還可以僅使用檢測到的拐點來將原始負(fù)荷曲線重新分割。然而，出于舉例說明的目的，將提供用于此過程的示例性實施方式。在本公開的實施方式中，如果在步驟S702中在段中找到拐點，則此拐點將替換不具有最大值或最小值的邊界點中的一個；或者換言之，該邊界點將從原始的點移動至找到的拐點，如圖8C中所示。

然后，在每個新分割的段內(nèi)再執(zhí)行檢測拐點的操作以找到新的拐點。如圖8D中所示，進一步找到新的拐點p7。以這種方式，可以進一步檢測步驟702中的某些遺漏趨勢點。這常常在原始集群中發(fā)生，其中包括超過一個拐點且這些拐點中的至少一個既不是最大值也不是最小值。

還可使用新檢測到的拐點連同在步驟S702處找到的拐點一起來表示負(fù)荷波動性?？梢哉J(rèn)識到的是還可以重復(fù)步驟S703更多次以進一步降低遺漏拐點的可能性。然而，可認(rèn)識到的是負(fù)荷波動性主要關(guān)注的是負(fù)荷圖的主要波動且微小的變化可以忽視，并且因此執(zhí)行步驟S703一次就足夠的，因為其可以以非常高的概率檢測到遺漏的重要拐點。

在檢測到負(fù)荷曲線的趨勢拐點之后，可以進一步對拐點和邊界點執(zhí)行線性內(nèi)插，以連接這些點并形成表示客戶的負(fù)荷曲線的波動的趨勢曲線。圖9C圖示出通過對這些點執(zhí)行線性內(nèi)插而獲得的電力客戶的負(fù)荷波動性的結(jié)果趨勢曲線。

另外，還可進行進一步操作以識別表示電力客戶的負(fù)荷波動性的主要波動的主要趨勢拐點。也就是說，可對這些檢測拐點和邊界點直徑PLI而不僅僅是線性內(nèi)插。因此，在線性內(nèi)插之后，可能會檢測到具有相同趨勢的相鄰段，因而可省略具有相同趨勢的相鄰段的中間點。以這種方式，可以僅保持表示電力客戶的負(fù)荷波動性的主要波動的主要趨勢拐點。圖9D圖示出電力客戶的負(fù)荷波動性的示例性趨勢曲線，從中可以看到，趨勢曲線可以很好地表示主要波動的趨勢，并且不包括與主要波動無關(guān)的其它信息。

利用本公開的實施方式，可基于每個電力客戶的負(fù)荷數(shù)據(jù)來自動地確定用于分割負(fù)荷曲線的邊界點而不是使用預(yù)定閾值，這可以提供用于負(fù)荷波動性的自適應(yīng)自動識別的解決方案。此外，借助于LMA，其可盡可能多地濾除負(fù)荷數(shù)據(jù)的隨機噪聲。因此，可有效地濾除隨機小變動，并且進而可大大地改善負(fù)荷波動性識別的性能。

另外，在本公開的實施方式中，還提供了一種用于提供電力客戶的負(fù)荷波動性的系統(tǒng)，將參考圖10來對其進行描述。如圖10中所示，系統(tǒng)1000可包括至少一個處理器1010和存儲計算機可執(zhí)行指令1030的至少一個存儲器1020。所述至少一個存儲器1010和所述計算機可執(zhí)行指令1030可被配置成利用所述至少一個處理器1020促使所述系統(tǒng)1000：通過對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行基于密度的空間聚類，自動地確定用于分割電力客戶的負(fù)荷曲線的邊界點；以及借助于確定的所述邊界點來檢測負(fù)荷曲線的趨勢拐點，從而識別電力客戶的負(fù)荷波動性。

在本公開的實施方式中，可基于聚類參數(shù)來執(zhí)行基于密度的空間聚類，所述聚類參數(shù)包括在集群中需要的數(shù)據(jù)點的最小數(shù)目和掃描半徑。

在本公開的另一實施例中，可基于電力客戶的負(fù)荷曲線的點的K-距離來確定掃描半徑，其中所述K-距離是數(shù)據(jù)點與其最近第K數(shù)據(jù)點的距離，并且K等于集群中所需的數(shù)據(jù)點的最小數(shù)目。

在本公開的另一實施例中，掃描半徑可被確定為定序K-距離圖中距離通過定序K-距離圖的起點和終點的線最遠(yuǎn)的點的K-距離，其中定序K-距離圖是由按K-距離定序的數(shù)據(jù)點的圖。

在本公開的另一實施例中，集群中所需的數(shù)據(jù)點的最小數(shù)目可被定義為在一小時內(nèi)收集的數(shù)據(jù)點的數(shù)目。

在本公開的另一實施例中，檢測負(fù)荷曲線的趨勢拐點可包括：檢測基于確定的所述邊界點而分割的負(fù)荷曲線的每個分段中的拐點。

在本公開的另一實施例中，檢測負(fù)荷曲線的趨勢拐點還可包括：檢測通過至少部分地使用檢測到的拐點而重新分割的負(fù)荷曲線的每個分段中的遺漏拐點。

在本公開的另一實施例中，其中系統(tǒng)1000可進一步被配置成在確定邊界點之前重復(fù)地對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行移動平均，直至負(fù)荷曲線的拐點的數(shù)目不減小為止。

在本公開的另一實施例中，系統(tǒng)1010被進一步配置成對邊界點和檢測到的拐點執(zhí)行線性內(nèi)插。

在本公開的另一實施例中，系統(tǒng)被進一步配置成通過省略具有相同趨勢的相鄰段的中間點來識別表示電力客戶的負(fù)荷波動性的主要波動的主要趨勢拐點。

此外，還提供了一種用于識別電力客戶的負(fù)荷波動性的裝置，將參考圖11對其進行描述。如圖11中所示，裝置1100可包括：用于通過對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行基于密度的空間聚類、自動地確定用于分割電力客戶的負(fù)荷曲線的邊界點的部件1110；以及用于借助于確定的所述邊界點來檢測負(fù)荷曲線的趨勢拐點，從而識別電力客戶的負(fù)荷波動性的部件1120。

在本公開的實施方式中，用于確定邊界點的部件1110可被配置成基于聚類參數(shù)來執(zhí)行基于密度的空間聚類，所述聚類參數(shù)包括集群中所需的數(shù)據(jù)點的最小數(shù)目和掃描半徑。

在本公開的另一實施例中，可基于電力客戶的負(fù)荷曲線的點的K-距離來確定掃描半徑，其中所述K-距離是數(shù)據(jù)點與其最近第K數(shù)據(jù)點的距離，并且K等于集群中所需的數(shù)據(jù)點的最小數(shù)目。

在本公開的另一實施例中，掃描半徑可被確定為距離通過定序K-距離圖的起點和終點的線最遠(yuǎn)的定序K-距離圖的點的K-距離，其中定序K-距離圖是由按K-距離定序的數(shù)據(jù)點形成的圖。

在本公開的另一實施例中，集群中所需的數(shù)據(jù)點的最小數(shù)目可被定義為在一小時內(nèi)收集的數(shù)據(jù)點的數(shù)目。

在本公開的另一實施例中，用于檢測負(fù)荷曲線的趨勢拐點的部件1120可被配置成檢測基于確定的所述邊界點而分割的負(fù)荷曲線的每個分段中的拐點。

在本公開的另一實施例中，用于檢測負(fù)荷曲線的趨勢拐點的部件1120可被進一步配置成檢測通過至少部分地使用檢測到的拐點而重新分割的負(fù)荷曲線的每段中的遺漏拐點。

在本公開的另一實施例中，裝置1100還可包括用于在確定邊界點之前重復(fù)地對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行移動平均、直至負(fù)荷曲線的拐點的數(shù)目不減小為止的部件1130。

在本公開的另一實施例中，裝置1100還可包括用于對邊界點和檢測到的拐點執(zhí)行線性內(nèi)插的部件1140。

在本公開的另一實施例中，用于執(zhí)行線性內(nèi)插的部件1140可被進一步配置成通過省略具有相同趨勢的相鄰段的中間端點來識別表示電力客戶的負(fù)荷波動性的主要波動的主要趨勢拐點。

另外，還提供了一種用于識別電力客戶的負(fù)荷波動性的裝置。圖12示意性地圖示出根據(jù)本公開的實施方式的用于配電網(wǎng)重配置的裝置的框圖。裝置1200可包括：邊界點確定模塊1210，其被配置成通過對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行基于密度的空間聚類、自動地確定用于分割電力客戶的負(fù)荷曲線的邊界點；以及趨勢點檢測模塊1220，其用于借助于確定的所述邊界點來檢測負(fù)荷曲線的趨勢拐點，從而識別電力客戶的負(fù)荷波動性。

在本公開的實施方式中，邊界點確定模塊1210可被配置成基于聚類參數(shù)來執(zhí)行基于密度的空間聚類，所述聚類參數(shù)包括集群中所需的數(shù)據(jù)點的最小數(shù)目和掃描半徑。

在本公開的另一實施例中，可基于電力客戶的負(fù)荷曲線的點的K-距離來確定掃描半徑，其中所述K-距離是數(shù)據(jù)點與其最近第K數(shù)據(jù)點的距離，并且K等于集群中所需的數(shù)據(jù)點的最小數(shù)目。

在本公開的另一實施例中，掃描半徑可被確定為距離通過定序K-距離圖的起點和終點的線最遠(yuǎn)的定序K-距離圖的點的K-距離，其中定序K-距離圖是由按K-距離定序的數(shù)據(jù)點形成的圖。

在本公開的另一實施例中，集群中所需的數(shù)據(jù)點的最小數(shù)目可被定義為在一小時內(nèi)收集的數(shù)據(jù)點的數(shù)目。

在本公開的另一實施例中，趨勢拐點檢測模塊1220可被配置成檢測基于確定的所述邊界點而分割的負(fù)荷曲線的每個分段中的拐點。

在本公開的另一實施例中，趨勢拐點檢測模塊1220可進一步被配置成檢測通過至少部分地使用檢測到的拐點而重新分割的負(fù)荷曲線的每個分段中的遺漏拐點。

在本公開的另一實施例中，裝置1100還可包括循環(huán)移動平均模塊1230，其被配置成在確定邊界點之前重復(fù)地對電力客戶的負(fù)荷曲線的數(shù)據(jù)點執(zhí)行移動平均，直至負(fù)荷曲線的拐點的數(shù)目不減小為止。

在本公開的另一實施例中，所述裝置1200還可包括用于對各段的邊界點和檢測到的拐點執(zhí)行線性內(nèi)插的分段線性內(nèi)插1240。

在本公開的另一實施例中，所述分段線性內(nèi)插1240可被進一步配置成通過省略具有相同趨勢的相鄰段的中間端點來識別表示電力客戶的負(fù)荷波動性的主要波動的主要趨勢拐點。

此外，提供了一種具有多個指令的有形計算機可讀介質(zhì)，所述多個指令可被處理器執(zhí)行以管理電力網(wǎng)的負(fù)荷，該有形計算機可讀介質(zhì)可包括被配置成執(zhí)行根據(jù)本公開方法的任何實施例的方法步驟的指令。

應(yīng)注意的是包括在系統(tǒng)1000、裝置1100以及裝置1200中的各模型或部件的操作基本上對應(yīng)于如前所述的各方法步驟。因此，關(guān)于系統(tǒng)1000、裝置1100、裝置1200中的各模型或部件的詳細(xì)操作，請參閱參考圖2至9進行的本公開方法的先前描述。

圖13是通用計算機系統(tǒng)1300，其可以表示在本文中提及的任何計算設(shè)備。例如，通用計算機系統(tǒng)1300可以—部分地或整體地—表示控制中心、頭端、綜合網(wǎng)絡(luò)運營和管理系統(tǒng)(NOMS)、故障、性能以及配置管理(FPCM)模塊或在本文中提及的任何其它計算設(shè)備，諸如終端設(shè)備、儀表、遙測接口單元(TIU)、收集器和/或任何聯(lián)網(wǎng)組件，諸如在本文中討論的路由器、交換機或服務(wù)器。計算機系統(tǒng)1300可以包括可以被執(zhí)行以促使計算機系統(tǒng)1300執(zhí)行本文公開的方法或基于計算機功能中的任何一個或多個的一組指令1302的有序列表。計算機系統(tǒng)1300可以充當(dāng)獨立設(shè)備，或者可以例如使用網(wǎng)絡(luò)115、125連接到其它計算機系統(tǒng)或外圍設(shè)備。

在聯(lián)網(wǎng)部署中，計算機系統(tǒng)1300可以在服務(wù)器的容量中或者作為服務(wù)器—客戶端用戶網(wǎng)絡(luò)環(huán)境中的客戶端用戶計算機或者作為端對端(或分布式)網(wǎng)絡(luò)環(huán)境中的對端計算機系統(tǒng)操作。還可以將計算機系統(tǒng)1300實現(xiàn)為各種設(shè)備或結(jié)合到各種設(shè)備，諸如個人計算機或移動計算設(shè)備，其能夠執(zhí)行指定將由該機器采取動作的一組指令1302，所述動作包括但不限于通過任何形式的瀏覽器來訪問網(wǎng)絡(luò)115、125。此外，所述的每個系統(tǒng)可以包括單獨地或共同地執(zhí)行一個或多個指令集以執(zhí)行一個或多個計算機功能的子系統(tǒng)的任何集合。

計算機系統(tǒng)1300可以包括處理器1307，諸如中央處理單元(CPU)和/或圖形處理單元(GPU)。處理器1307可以包括一個或多個通用處理器、數(shù)字信號處理器、專用集成電路、現(xiàn)場可編程門陣列、數(shù)字電路、光學(xué)電路、模擬電路、其組合或用于解析和處理數(shù)據(jù)的其它現(xiàn)在已知或以后開發(fā)的設(shè)備。處理器1307可以實現(xiàn)指令集1302或其它軟件程序，諸如用于實現(xiàn)邏輯功能的手動編程或計算機生成代碼。所述的邏輯功能或任何系統(tǒng)元件除其它功能之外還可以處理諸如模擬電、音頻或視頻信號或其組合之類的音頻數(shù)據(jù)源和/或?qū)⑵滢D(zhuǎn)換成用于視聽目的或其它數(shù)字處理目的(諸如與計算機處理或聯(lián)網(wǎng)通信的兼容性)的數(shù)字?jǐn)?shù)據(jù)源。

計算機系統(tǒng)1300可以包括用于傳送信息的總線1320上的存儲器1305?？梢詫⒖刹僮饔糜诖偈褂嬎銠C系統(tǒng)執(zhí)行本文所述的任何動作或操作的代碼存儲在存儲器1305中。存儲器1305可以是隨機存取存儲器、只讀存儲器、可編程存儲器、硬盤驅(qū)動器或任何其它類型的易失性或非易失性存儲器或存儲設(shè)備。

計算機系統(tǒng)1300還可以包括磁盤、固態(tài)驅(qū)動光驅(qū)單元1315。磁盤驅(qū)動單元1315可以包括其中可以嵌入一個或多個指令集1302(例如軟件)的非臨時或有形計算機可讀介質(zhì)1340。此外，指令1302可執(zhí)行如本文所述的操作中的一個或多個。指令1302在其被計算機系統(tǒng)1300執(zhí)行期間可完全或至少部分地常駐于存儲器1305內(nèi)和/或處理器1307內(nèi)。上述數(shù)據(jù)庫或任何其它數(shù)據(jù)庫可被存儲在存儲器1305和/或磁盤單元1315中。

存儲器1305和處理器1307還可以包括如上文所討論的計算機可讀介質(zhì)。“計算機可讀介質(zhì)”、“計算機可讀存儲介質(zhì)”、“機器可讀介質(zhì)”、“傳播信號介質(zhì)”和/或“信號承載介質(zhì)”可以包括包含、存儲、傳送、傳播或輸送軟件以供指令可執(zhí)行系統(tǒng)、裝置或設(shè)備使用或與之結(jié)合使用的任何設(shè)備。機器可讀介質(zhì)可以選擇性地但是不限于電子、磁性、光學(xué)、電磁、紅外或半導(dǎo)體系統(tǒng)、裝置、設(shè)備或傳播介質(zhì)。

另外，計算機系統(tǒng)1300可以包括輸入設(shè)備1325，諸如鍵盤或鼠標(biāo)，其被配置成用于用戶與系統(tǒng)1300的任何組件相交互，包括顯示菜單的用戶選擇或菜單條目。計算機系統(tǒng)1300還可以包括顯示器1330，諸如液晶顯示器(LCD)、陰極射線管(CRT)或適合于傳送信息的任何其它顯示器。顯示器1330可以充當(dāng)用于用戶看到處理器1307運行的接口或者具體地充當(dāng)與存儲在存儲器1305中的軟件或驅(qū)動單元1315的接口。

計算機系統(tǒng)1300可以包括通信接口1336，其使得能夠經(jīng)由通信網(wǎng)絡(luò)125進行通信。網(wǎng)絡(luò)125可以包括有線網(wǎng)絡(luò)、無線網(wǎng)絡(luò)或其組合。通信接口1336網(wǎng)絡(luò)可以使得能夠經(jīng)由任何數(shù)目的通信標(biāo)準(zhǔn)進行通信，諸如以太網(wǎng)AVB、802.11、802.13、802.20、WiMax或其它通信標(biāo)準(zhǔn)。

因此，可以用硬件、軟件或硬件和軟件的組合來實現(xiàn)系統(tǒng)。可以以集中式方式在至少一個計算機系統(tǒng)中或者在其中不同元件跨多個互連計算機系統(tǒng)散布的分布式方式實現(xiàn)該系統(tǒng)。適合于執(zhí)行本文所述的方法的任何種類的計算機系統(tǒng)或其它裝置都是適當(dāng)?shù)?。硬件和軟件的典型組合可以是具有計算機程序的通用計算機系統(tǒng)，該計算機程序在被加載和執(zhí)行時控制計算機系統(tǒng)，使得其執(zhí)行本文所述的方法。可以將此類編程計算機視為專用計算機。

如本文所述，任何模塊或處理塊被定義成包括可被處理器1307執(zhí)行的軟件、硬件或其某種組合。軟件模塊可以包括存儲在存儲器1305或其存儲器設(shè)備中的可被處理器1307或其它處理器執(zhí)行的指令。硬件模塊可以包括被處理器1307可執(zhí)行、指揮和/或控制以便執(zhí)行的各種設(shè)備、組件、電路、門、電路板等。

還可以將系統(tǒng)嵌入計算機程序產(chǎn)品中，其包括使得能夠?qū)崿F(xiàn)本文所述操作且其在被加載在計算機系統(tǒng)中時能夠執(zhí)行這些操作的所有特征。本文中的計算機程序意指意圖促使具有信息處理能力的系統(tǒng)直接地或在以下各項中的任一者或兩者之后執(zhí)行特定功能的一組指令的用任何語言、代碼或注釋的任何表達(dá)：a)到另一語言、代碼或注釋的轉(zhuǎn)換；b)不同材料形式的再現(xiàn)。

到目前為止，已通過特定優(yōu)選實施例參考附圖描述了本公開。然而，應(yīng)理解的是本公開不限于所示和提供的特定實施例，而是可以在本公開的范圍內(nèi)進行各種修改。

此外，可以用軟件、硬件或其組合來實現(xiàn)本公開的實施方式?？梢杂脤Ｓ眠壿媮韺崿F(xiàn)硬件組件；可以將軟件部分存儲在存儲器中并由諸如微處理器或?qū)Ｓ迷O(shè)計硬件之類的適當(dāng)指令執(zhí)行系統(tǒng)執(zhí)行。本領(lǐng)域的技術(shù)人員可以認(rèn)識到可以用包含在處理器中的計算機可執(zhí)行指令和/或控制代碼來實現(xiàn)上述方法和系統(tǒng)，例如在諸如磁盤、CD或DVD-ROM之類的承載介質(zhì)或諸如只讀存儲器(固件)之類的可編程存儲器或諸如光學(xué)或電信號載體之類的數(shù)據(jù)載體上提供的此類代碼?？梢杂美绯笠?guī)模集成電路或門陣列之類的硬件電路、諸如邏輯芯片或晶體管之類的半導(dǎo)體或諸如現(xiàn)場可編程門陣列或可編程邏輯器件之類的可編程硬件器件來實現(xiàn)本實施例中的裝置及其組件，或者用被各種處理器執(zhí)行的軟件實現(xiàn)，或者用上述硬件電路和軟件的組合(例如，用固件)來實現(xiàn)。

雖然已描述了本公開的各種實施例，但對于本領(lǐng)域的技術(shù)人員而言將顯而易見的是在本公開的范圍內(nèi)可以有許多實施例和實施方式。因此，本公開除根據(jù)所附權(quán)利要求及其等價物之外不受限制。