本發(fā)明涉及一種數(shù)據(jù)預(yù)測方法，具體為一種家庭用電數(shù)據(jù)預(yù)測方法。

背景技術(shù)：

普通家庭用戶用電數(shù)據(jù)預(yù)測是通過非侵入的方式，基于對電源總接口處測得的總用電數(shù)據(jù)的細節(jié)分析，確定單獨的電器的具體工作情況。這種技術(shù)能夠給普通家庭提供更加精細準(zhǔn)確的用電消費分析服務(wù)，對能源的節(jié)省起到促進的作用。同時，分析用戶的用電模式，可以探測到普通用戶的隱私數(shù)據(jù)點，進而對用戶的隱私進行隱藏保護，確保用戶用電信息安全。

分解居民用電數(shù)據(jù)，可以更清楚的知道居民用電細節(jié)信息，對于電力公司來說，可以準(zhǔn)確的預(yù)測出居民用電趨勢，從而科學(xué)合理的保證電力資源的分配和供電工作的運行。同時，可以幫助電力公司更好的檢測出不規(guī)則用電的用戶和非法用電用戶，識別在普通居民區(qū)隱藏的小型工商電力用戶，保證電力公司的經(jīng)濟效益。同時，居民用電的細節(jié)可以幫助電力公司進行停電故障的檢測和定位，更快的恢復(fù)供電；通過分解用戶的用電數(shù)據(jù)至單一的電器，用戶快速準(zhǔn)確地檢測和排除電器故障，確保用電安全。用戶也可以更好的掌握自己用電的情況，提高節(jié)約意識，以高能效電器替換高能耗電器，有效節(jié)省能源。同時，電力數(shù)據(jù)分解還涉及到用戶隱私的問題。電力公司在獲取用戶用電數(shù)據(jù)的途徑中，數(shù)據(jù)很容易被不法分子截取。不法分子通過對數(shù)據(jù)的分析，可以窺探用戶的隱私，進而對普通用戶帶來嚴(yán)重的危害。在數(shù)據(jù)的傳輸中，對數(shù)據(jù)進行加解密處理是解決這個問題的有效辦法之一。但是，這種方法仍然具有隱私暴露的風(fēng)險。通過對用戶家庭用電數(shù)據(jù)進行分解，對涉及隱私的數(shù)據(jù)進行保護也是解決以上問題的途徑之一。當(dāng)單一電器的使用狀態(tài)被分解出來時，對多個家庭的某種電器通過概率統(tǒng)計的方式，設(shè)定閾值，計算出一種通用模式，進而找出用戶對某種電器使用的異常模式，對這種模式進行隱藏保護，來保護用戶的隱私。例如：通過對100萬戶家庭用電數(shù)據(jù)進行分解，然后將結(jié)果進行概率統(tǒng)計得知，在周一到周五上午的9點至10點，電視機被打開的概率是10％，在晚上8點至9點電視機被打開的概率是90％，而在凌晨3點到4點被打開的概率僅有1％；某一普通用戶在連續(xù)一個月的時間里其中有85％以上的時間符合正常用電模式(既晚上打開電視機)，而其中有連續(xù)幾天不符合正常用電模式的數(shù)據(jù)(凌晨打開電視機)即可視為隱私數(shù)據(jù)。針對這部分?jǐn)?shù)據(jù)，我們可以通過多種不同的方式進行保護，確保用戶隱私數(shù)據(jù)不被挖掘，且被保護過的數(shù)據(jù)保持原有特性不變，不影響數(shù)據(jù)的正常使用(如統(tǒng)計電費等)。這整個過程需要由計算機或智能終端實現(xiàn)，而不需要經(jīng)過第三方角色參與；目前，普通家庭用電數(shù)據(jù)預(yù)測的方法已發(fā)展了多年。第一種用電數(shù)據(jù)分解的方法由MIT在19世紀(jì)80年代提出。這種基礎(chǔ)的算法包括五步：第一，用邊緣檢測器確定用電功率的變化；第二，通過聚類分析算法在二維特征空間中聚類；第三，正負功變聚類以相似量級的方式成對匹配；第四，不被匹配的聚類根據(jù)最大似然算法與已有的聚類或新的聚類進行匹配；第五，成對的聚類結(jié)果與不同負載已知的功耗水平相比較，確定各個電器的具體運行情況。這種方法的準(zhǔn)確度能達到70％，但是這種方法最大的問題是，當(dāng)幾種電器的消耗功率相似時，這幾種電力可能很難被分離；之后，羅切斯特大學(xué)的兩位學(xué)者提出使用高頻數(shù)據(jù)的特征，如：諧波和原始波，通過一種特定電器檢測規(guī)則來檢測如冰箱一類的大型的電器。這個方法含蓄的通過一個評分系統(tǒng)使用電器打開時間統(tǒng)計量作為特征。與其他已經(jīng)存在的方法類似，該方法需要過多的訓(xùn)練過程。之后，帕德博恩大學(xué)的Baranski提出了不同于MIT的方法。這種方法通過一個優(yōu)化算法去最優(yōu)的匹配在一定時間里存在的電器中檢測到的開關(guān)事件集合，這種方法首次提出了在一段時間序列中進行優(yōu)化的概念，不同于以往在單個時間點進行匹配。劍橋大學(xué)的Michael Zeifman和Kurt Roth提出使用稀疏轉(zhuǎn)換的維特比算法進行狀態(tài)預(yù)測，這種方法基本讓重疊電器分離性能有了很大的提升，但是這種方法無法確定某個聚類具體是那種電器；研究表明，適用于智能電表的用電數(shù)據(jù)的用電數(shù)據(jù)預(yù)測方法需要滿足以下幾點要求：1選擇的特征必須與電力數(shù)據(jù)采集系統(tǒng)相適應(yīng)(采樣頻率一般低于1Hz)。2分解結(jié)果的準(zhǔn)確性應(yīng)該能被用戶所接受，一般不低于80％。3方法不需要額外的訓(xùn)練過程，而且該算法需要能夠識別新的電器和提出長時間不被使用的無效電器。4算法需要有較高的計算效率和魯棒性。5算法的性能不能隨著電器數(shù)量的增加而急劇的降低。目前，已經(jīng)存在的方法雖然已經(jīng)解決了上述的部分問題，但是無法滿足上述的全部要求。在電器初步的聚類階段，由于特征量太少，無法準(zhǔn)確的聚類。用電功率近似相等的幾種電器無法成功的進行分離。目前，準(zhǔn)確最高的方法有效的將電器狀態(tài)進行了識別，但是無法識別電器的種類。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種家庭用電數(shù)據(jù)預(yù)測方法及其制作方法，以解決上述背景技術(shù)中提出的問題。

本發(fā)明的目的是通過下述技術(shù)方案予以實現(xiàn)：一種家庭用電數(shù)據(jù)預(yù)測方法，包括原始數(shù)據(jù)的采集、數(shù)據(jù)訓(xùn)練和特征提取以及數(shù)據(jù)的分解和分類，具體步驟如下：

(1)首先通過家用智能電表進行總功率原始數(shù)據(jù)的采集，尤其是對低頻數(shù)據(jù)(1Hz)的采集，采集的數(shù)據(jù)以時間戳和功率的形式進行保存，同時對每個單一電器的數(shù)據(jù)文件中的數(shù)據(jù)也進行采集；

(2)將步驟(1)中采集的總功率原始數(shù)據(jù)進行特征提取，所述特征提取包括數(shù)據(jù)中帶時間戳的正負功率變化、功率驟增量以及功率驟增持續(xù)時間，同時對每個單一電器的數(shù)據(jù)文件中采集的數(shù)據(jù)進行遍歷，識別功率變化點，并統(tǒng)計功率變化大小和時間點，對出現(xiàn)功率浪涌的電器統(tǒng)計功率驟增值和持續(xù)時間，自動形成相應(yīng)電器的特征向量進行保存，且特征向量保存形式為：(△p_i,p_is,t_s,use)；

(3)通過步驟(2)得出總功率原始數(shù)據(jù)的變化情況并記錄變化點的大小和時間戳，通過負功變的聚類(聚類融合)，同時將負功變與正功變匹配，進行初步的時間(電器打開和關(guān)閉)估計，然后形成正功變聚類(聚類融合)，并對聚類結(jié)果統(tǒng)計特征，根據(jù)訓(xùn)練結(jié)果的特征向量進行分類，估計每一種電器的開關(guān)狀態(tài)；

(a)所述總功率原始數(shù)據(jù)的變化情況通過對遍歷數(shù)據(jù)文件，對相鄰的功率數(shù)據(jù)進行對比，當(dāng)兩個數(shù)據(jù)之差大于一定閾值時，記錄該差值，并記錄相應(yīng)時間戳。當(dāng)差值為負數(shù)時，作為負向功變；當(dāng)差值為正時，檢測下S秒有無功率波動，若有，則記錄該點為功率驟增量，并向后遍歷記錄持續(xù)時間；若無，記錄為正向功變；

偽碼如下：

(b)所述負向功變聚類通過對已經(jīng)確定的負向功變進行初步聚類(可使用改進的ISODATAS算法)，用使用時間等統(tǒng)計量信息對聚類結(jié)果進行分離和融合，減少聚類誤差；在ISOSATA算法中加入時間特征，通過使用模式相似度進行聚類融合和分離，提高聚類準(zhǔn)確度。

(c)所述改進的ISODATAS算法的首先預(yù)設(shè)聚類數(shù)，該值的選取可由生活經(jīng)驗可得(即普通家庭一般具有幾種電器)，θ_C為兩個電器聚類中心的最小距離，若小于此值，則把兩種電器合并成一種電器，N_C為初始聚類中心的個數(shù)，S為預(yù)設(shè)的閾值，當(dāng)sim值超過S時，認為兩種電器聚類為同一種電器，對這兩種聚類進行合并。

sim的計算方法如下：

記錄功率變化時相應(yīng)的時間戳，并計算相鄰兩個時間戳的差值，記錄時間間隔

△_k＝t_j-t_j-1，其中j＝2,3,4…….

通過以下公式計算△_k的標(biāo)準(zhǔn)差

其中

Compare Sim and S

(d)負功變的聚類每個聚類中的所有的負向功變與正向功變匹配，并估計打開和關(guān)閉時間，對于電器聚類i，每個已經(jīng)確定的負向功率變化j的大小為△p_ij，發(fā)生的時間為t_j，讓j與發(fā)生時間為t_k(t_k<t_j)大小為△p_ik的正向功變k匹配，并通過以下公式對電器打開時間和關(guān)閉時間進行估計，t_on＝t_j-t_k t_off＝t_k+1-t_j，與負向功變相匹配的正向功變被聚類為i₊；

(e)對上一步的每個聚類結(jié)果進行特征提取，根據(jù)訓(xùn)練數(shù)據(jù)中得到的每種電器的特征情況，使用簡單的分類方法(如決策樹)進行電器分類，識別每個聚類至具體電器；

(f)電器的分類結(jié)果融合分析：加入先驗知識后，進行狀態(tài)估計。(該過程可采用遺傳算法、維特比算法等多種方式進一步提高分解準(zhǔn)確度)，其中單點的方法如下：在一個電器集中，把功變數(shù)據(jù)按時間順序排序，正值表示電器被打開，負值表示電器被關(guān)閉；該過程可以對相鄰的電器根據(jù)電器的狀態(tài)建立成隱馬爾可夫模型，用維特比算法解碼，進一步對重疊電器進行分離，提高分解準(zhǔn)確度。

本發(fā)明的有益效果是：該發(fā)明一種家庭用電數(shù)據(jù)預(yù)測方法，通過使用這種方法，可以通過對普通家庭智能電表的數(shù)據(jù)分析，預(yù)測單個電器每天不同時刻的開關(guān)狀態(tài)，該方法解決了傳統(tǒng)方法中因數(shù)據(jù)特征太少無法有效分類的問題，對用戶用電情況的分析有重要的作用，基于此方法，我們繼而可以通過建立用戶隱私框架的方式對用戶用電習(xí)慣隱私進行保護，具有深遠的意義。

附圖說明

圖1為本發(fā)明整體流程示意圖；

圖2為本發(fā)明總功率原始數(shù)據(jù)采集示意圖；

圖3為本發(fā)明基于ISODATA算法的改進算法示意圖；

圖4為本發(fā)明識別具體電器原理示意圖；

圖5為本發(fā)明單點結(jié)果估算示意圖。

具體實施方式

下面結(jié)合具體實施方式進一步的說明，但是下文中的具體實施方式不應(yīng)當(dāng)做被理解為對本體發(fā)明的限制。本領(lǐng)域普通技術(shù)人員能夠在本發(fā)明基礎(chǔ)上顯而易見地作出的各種改變和變化，應(yīng)該均在發(fā)明的范圍之內(nèi)。

實施例1

如圖1所示：一種家庭用電數(shù)據(jù)預(yù)測方法，包括原始數(shù)據(jù)的采集、數(shù)據(jù)

訓(xùn)練和特征提取以及數(shù)據(jù)的分解和分類，具體步驟如下：

(1)首先通過家用智能電表進行總功率原始數(shù)據(jù)的采集，尤其是對低頻數(shù)據(jù)(1Hz)的采集，采集的數(shù)據(jù)以時間戳和功率的形式進行保存，如圖2所示，左為時間戳，右為功率。

同時對每個單一電器的數(shù)據(jù)文件中的數(shù)據(jù)也進行采集；

(2)將步驟(1)中采集的總功率原始數(shù)據(jù)進行特征提取，所述特征提取包括數(shù)據(jù)中帶時間戳的正負功率變化、功率驟增量以及功率驟增持續(xù)時間，同時對每個單一電器的數(shù)據(jù)文件中采集的數(shù)據(jù)進行遍歷，識別功率變化點，并統(tǒng)計功率變化大小和時間點，對出現(xiàn)功率浪涌的電器統(tǒng)計功率驟增值和持續(xù)時間，自動形成相應(yīng)電器的特征向量進行保存，且特征向量保存形式為：(△p_i,p_is,t_s,use)；

(3)通過步驟(2)得出總功率原始數(shù)據(jù)的變化情況并記錄變化點的大小和時間戳，通過負功變的聚類(聚類融合)，同時將負功變與正功變匹配，進行初步的時間(電器打開和關(guān)閉)估計，然后形成正功變聚類(聚類融合)，并對聚類結(jié)果統(tǒng)計特征，根據(jù)訓(xùn)練結(jié)果的特征向量進行分類，估計每一種電器的開關(guān)狀態(tài)；

(a)所述總功率原始數(shù)據(jù)的變化情況通過對遍歷數(shù)據(jù)文件，對相鄰的功率數(shù)據(jù)進行對比，當(dāng)兩個數(shù)據(jù)之差大于一定閾值時，記錄該差值，并記錄相應(yīng)時間戳。當(dāng)差值為負數(shù)時，作為負向功變；當(dāng)差值為正時，檢測下S秒有無功率波動，若有，則記錄該點為功率驟增量，并向后遍歷記錄持續(xù)時間；若無，記錄為正向功變；

偽碼如下：

(b)所述負向功變聚類通過對已經(jīng)確定的負向功變進行初步聚類(可使用改進的ISODATAS算法)，用使用時間等統(tǒng)計量信息對聚類結(jié)果進行分離和融合，減少聚類誤差；在ISOSATA算法中加入時間特征，通過使用模式相似度進行聚類融合和分離，提高聚類準(zhǔn)確度。

(c)基于ISODATA算法的改進算法如圖3所示：

所述改進的ISODATAS算法的首先預(yù)設(shè)聚類數(shù)，該值的選取可由生活經(jīng)驗可得(即普通家庭一般具有幾種電器)，θ_C為兩個電器聚類中心的最小距離，若小于此值，則把兩種電器合并成一種電器，N_C為初始聚類中心的個數(shù)，S為預(yù)設(shè)的閾值，當(dāng)sim值超過S時，認為兩種電器聚類為同一種電器，對這兩種聚類進行合并。

sim的計算方法如下：

記錄功率變化時相應(yīng)的時間戳，并計算相鄰兩個時間戳的差值，記錄時間間隔

△_k＝t_j-t_j-1，其中j＝2,3,4…….

通過以下公式計算△_k的標(biāo)準(zhǔn)差

其中

Compare Sim and S

(d)負功變的聚類每個聚類中的所有的負向功變與正向功變匹配，并估計打開和關(guān)閉時間，對于電器聚類i，每個已經(jīng)確定的負向功率變化j的大小為△p_ij，發(fā)生的時間為t_j，讓j與發(fā)生時間為t_k(t_k<t_j)大小為△p_ik的正向功變k匹配，并通過以下公式對電器打開時間和關(guān)閉時間進行估計，t_on＝t_j-t_k t_off＝t_k+1-t_j，與負向功變相匹配的正向功變被聚類為i₊；

(e)對上一步的每個聚類結(jié)果進行特征提取，根據(jù)訓(xùn)練數(shù)據(jù)中得到的每種電器的特征情況，使用簡單的分類方法(如決策樹)進行電器分類，識別每個聚類至具體電器，如下原理圖為；

(f)電器的分類結(jié)果融合分析：加入先驗知識后，進行狀態(tài)估計。(該過程可采用遺傳算法、維特比算法等多種方式進一步提高分解準(zhǔn)確度)，

其中單點的方法如下：在一個電器集中，把功變數(shù)據(jù)按時間順序排序，正值表示電器被打開，負值表示電器被關(guān)閉；該過程可以對相鄰的電器根據(jù)電器的狀態(tài)建立成隱馬爾可夫模型，用維特比算法解碼，進一步對重疊電器進行分離，提高分解準(zhǔn)確度。估計結(jié)果如圖5所示：其中，2代表打開狀態(tài)1 代表關(guān)閉狀態(tài)。

以上描述僅為本申請的較佳實施例以及對所運用技術(shù)原理的說明。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，本申請中所涉及的發(fā)明范圍，并不限于上述技術(shù)特征的特定組合而成的技術(shù)方案，同時也應(yīng)涵蓋在不脫離所述發(fā)明構(gòu)思的情況下，由上述技術(shù)特征或其等同特征進行任意組合而形成的其它技術(shù)方案。例如上述特征與本申請中公開的(但不限于)具有類似功能的技術(shù)特征進行互相替換而形成的技術(shù)方案。