(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 202111396523.9 (22)申请日 2021.11.23 (71)申请人 国网浙江省电力有限公司嘉兴供电 公司 地址 314001 浙江省嘉兴 市南湖区城北路 99号 (72)发明人 黄赟　过浩　雷振　谢文潇　吴莹　 王强　 (74)专利代理 机构 杭州杭诚专利事务所有限公 司 33109 代理人 刘正君 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01)G06N 20/00(2019.01) G06N 3/02(2006.01) G06K 9/62(2022.01) (54)发明名称 一种典型多能用户模型建立方法 (57)摘要 本发明公开了一种典型多能用户模型建立 方法， 克服现有技术缺乏对典型多能用户的多能 特性画像和能源需求预测、 未考虑用户行为的不 确定性， 分析方法有局限性的问题， 包括： 典型多 能用户历史用能的数据提取和挖掘； 参数收集， 用户特征标签化及用户画像构建， 建立预测模 型； 本发明综合考虑用户主观特性及市场客观环 境因素， 建立了合理有效的用户评估模型； 通过 标签建立用户画 像， 实现用能特征到用户标签的 映射； 使用模糊C均值聚类算法提取典型多能用 户历史的用能参数从多个角度对多元用户进行 各类用户用能特 征与核心诉求的精细化建模。 权利要求书2页 说明书5页 附图1页 CN 114358474 A 2022.04.15 CN 114358474 A 1.一种典型多能用户模型建立方法， 其特 征在于， 包括以下步骤： S1： 收集综合能源系统的实际案例和示范项目， 分析、 归纳其主 要应用场景； S2： 使用模糊C均值聚类算法提取典型多能用户历史的用能参数， 对用能参数进行预处 理和筛选， 分析其中能体现用能特 征的典型 数据和指标； S3： 基于层次分析法、 引入熵权法以及逼近理解排序法， 结合操作者主观判断与客观信 息， 建立综合能源市场下的多元用户评估 模型及指标； S4： 根据评估模型与指标将多能用户的具体信息抽象成标签， 通过标签将用户形象具 体化， 然后再对多能用户用能特性的用户画像构建； S5： 明确典型多能用户的能源需求时间和空间特点， 分析其长时间尺度增长 趋势； S6： 建立自适应的组合预测模型对其不同标签用户用能需求进行电力负荷预测， 通过 数据驱动的精度反馈 机制提升预测准确性。 2.根据权利要求1所述的一种典型多能用户模型建立方法， 其特征在于， 所述步骤S2具 体包括以下步骤： S21： 采用数据预处 理相关技 术对原始数据进行清理、 集成、 变换和规约； S22： 在预处理所产生数据库的基础上， 采用模糊C均值聚类算法研究在不同的行业类 别、 能源耗 量和可靠性要求对多元用户的用能特性的进行 特征提取； S23： 采用FCM聚类算法模糊划分， 定义每个数据对象对于各个综合能源用户的用能参 数。 3.根据权利要求1所述的一种典型多能用户模型建立方法， 其特征在于， 所述步骤S3具 体包括以下步骤： S31： 运用层次分析法， 由电改进程和售电市场环境分析结果确定用户评价的影响因 素； S32： 通过用户的电力特性、 需求特性和产业发展前 景的数据建立判断矩阵； S33： 引入熵权法修 正影响因素的权 重。 4.根据权利要求1所述的一种典型多能用户模型建立方法， 其特征在于， 所述步骤S4具 体包括以下步骤： S41： 根据用户的基本属性、 用电行为、 缴费行为和诉求行为的差异开展特征分类、 分 级； S42： 从每种类型中抽取 出典型特征， 赋予标签的阈值； S43： 根据最终标签， 结合 业务需求场景， 开展电力用户画像； 所述用能参数 是指用户用能总量、 用能时间、 能价敏感度、 用能期望度和产业 规模。 5.根据权利要求2所述的一种典型多能用户模型建立方法， 其特征在于， 所述步骤S23 中FCM聚类算法将所有数据对象采用[0,1]之间的隶属度 表示其属于各个聚簇的程度， 目标 函数为： 式中， Jm(U,P)表示数据对象属于各个聚簇的程度， μik∈1表示第k个数据对象属于第i权　利　要　求　书 1/2 页 2 CN 114358474 A 2个聚类中心的程度， Pi表示聚类i的聚类中心； m∈[0,2]表示加 权指数； dki表示第i个聚簇中心与第k个数据对象的欧氏距离 。 6.根据权利要求1所述的一种典型多能用户模型建立方法， 其特征在于， 所述步骤S6具 体包括以下步骤： S61： 选取 过去一段时间的负荷作为训练样本， 进行回归处 理； S62： 构造网络结构， 建立神经网络模型； S63： 通过神经网络模型的拟合 程度对电力负荷进行 预测。 7.根据权利要求5所述的一种典型多能用户模型建立方法， 其特征在于， 所述步骤S61 中回归处 理的过程 为： Yt＝b0+b1Xt1+b2Xt2+…+bnXtn 式中， Xt1， Xt2，…Xtn表示影响负荷变化的因素， b0， b1，…bn表示参数变量， Yt表示电力负 荷。 8.根据权利要求5所述的一种典型多能用户模型建立方法， 其特征在于， 所述步骤S62 中神经网络模型为： Y(i)＝F(Wi,Y(i‑1),M(t‑1)) 式中， Yi＝{Y(i,t)|t＝1,2, …,24}表示第i天的负荷向量； Y(i,t)表示第i天第t小时的 负荷； Wi表示权重向量； M(t‑1)＝(m(t‑1),m(t‑2),…,m(t‑k))表示影响负荷变化的因素， k为数据 长度。 9.根据权利要求7或8所述的一种典型多能用户模型建立方法， 其特征在于， 所述影响 负荷变化的因素包括天气状况、 温度和湿度。 10.根据权利要求1或4所述的一种典型多能用户模型建立方法， 其特征在于， 所述用户 画像包括个人画像和群体画像； 所述个人画像是按照用户标签库里 的标签， 给每一个客户 按照实际情况贴上专属标签； 所述群体画像是通过已知的标签， 从用户系统中筛选出同时 满足所选标签的个人画像构成。权　利　要　求　书 2/2 页 3 CN 114358474 A 3