(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 202111518126.4 (22)申请日 2021.12.13 (71)申请人 国网经济技 术研究院有限公司 地址 102209 北京市昌平区未来科技城 滨 河大道18号A栋五、 六层 申请人 国网山东省电力公司电力科 学研究 院 (72)发明人 霍慧娟　王硕　卢艳超　刘一江　 徐丹　范潆丹　邢家维　关逸飞　 (74)专利代理 机构 石家庄国为知识产权事务所 13120 代理人 彭竞驰 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 一种基于用户画像的负荷预估 方法、 装置及 终端设备 (57)摘要 本申请适用于综合能源系统技术领域， 提供 了一种基于用户画像的负荷预估 方法、 装置及终 端设备， 该方法包括： 获取目标用户全年负荷曲 线和负荷预估值； 根据多种负荷 波动频率分解全 年负荷曲线， 获得多种负荷波动频率特性分量； 对多种负荷波动频率特性分量进行聚类 分析， 得 到多条聚类中心曲线； 基于多条聚类中心曲线， 得到日负荷特征曲线； 根据日负荷特征曲线和负 荷预估值， 得到多个时刻的日负荷； 通过蒙特卡 洛测算多个时刻的日负荷， 得出多个时刻的预估 日负荷。 本申请确定了综合能源系统中的 “用户 画像”， 明确了用户负荷类型及变化特征， 能够使 综合能源系统在选型、 定容以及优化调度中具有 针对性。 权利要求书4页 说明书14页 附图8页 CN 114418173 A 2022.04.29 CN 114418173 A 1.一种基于用户画像的负荷预估方法， 其特在于， 包括： 获取目标用户全年负荷曲线和负荷预估值； 根据多种负荷波动频率分解所述全年负荷曲线， 获得多种负荷波动频率特性分量； 对多种所述负荷波动频率特性分量进行聚类分析， 得到多条聚类中心曲线； 基于多条 所述聚类中心曲线， 得到日负荷特 征曲线； 根据所述日负荷特 征曲线和所述负荷预估值， 得到多个时刻的日负荷； 通过蒙特卡洛测算所述多个时刻的日负荷， 得 出所述多个时刻的预估日负荷。 2.如权利要求1所述的一种基于用户画像的负荷预估方法， 其特征在于， 所述根据多种 负荷波动频率分解所述全年负荷曲线， 获得多种负荷波动频率特性分量， 包括： 采用离散小波变换分解所述全年负荷曲线， 获得多种负荷波动频率特性分量； 其中， 所述多种负荷波动频率包括： 稳定波动频率、 周期波动频率和偶然波动频率； 所 述多种负荷波动频率特性分量包括： 稳定波动频率特性分量、 周期波动频率特性分量和偶 然波动频率特性分量； 所述离散小波变换选用Ha ar小波作为小 波基函数。 3.如权利要求1所述的一种基于用户画像的负荷预估方法， 其特征在于， 所述对多种所 述负荷波动频率特性分量进行聚类分析， 得到多条聚类中心曲线， 包括： 对多种负荷波动频率特性分量采用基于KNN改进的快速密度峰值聚类算法进行聚类分 析， 得到多条聚类中心曲线； 其中， 所述聚类中心曲线根据所述负荷波动频率特性分量， 分为稳定频率分量聚类曲 线、 周期频率分量聚类曲线和偶然频率分量聚类曲线。 4.如权利要求3所述的一种基于用户画像的负荷预估方法， 其特征在于， 所述基于KNN 改进的快速密度峰值聚类算法， 包括： 数据选择步骤： 选取目标分量作为样本进行聚类分析， 所述目标分量为稳定波动频率特性分量、 周期 波动频率特性分量和偶然 波动频率特性分量中的任一种； 聚类分析准备步骤： 计算任一样本xi与其他样本之间的欧氏距离d(xi,xj)； 按照升序排列所述欧氏距离d (xi,xj)， 则第k个所述欧氏距离的样本为 NNk(xi)； 聚类分析计算 步骤： 计算xi的k个最近邻， 表达式为： KNN(xi)＝{j∈X|d(xi,xj)≤d(xi,NNk(xi))} 用KNN(xi)计算xi的局部密度 表达式为： 式中， N为样本数， p为样本数N的百分比， K＝p ×N； 可知， K由参数p确定， 的值越大， 表示xi的局部密度越大；权　利　要　求　书 1/4 页 2 CN 114418173 A 2根据所述局部密度 计算KNN距离 表达式为： 式中， KNN距离 为该样本与其第k个样本N Nk(xi)的距离的大小； 将所述负荷波动频率特性分量中同时超出局部密度 阈值和KNN距离 阈值的数据 确定为聚类中心； 其中， 所述聚类中心的决策变量 的表达式为： 式中， 服 从长尾分布； 聚类分析 结果步骤： 根据所述聚类中心的数据， 得到所述目标分量对应的聚类曲线， 记为TLPA或TLPDi。 5.如权利要求1所述的一种基于用户画像的负荷预估方法， 其特征在于， 所述基于多条 所述聚类中心曲线， 得到日负荷特 征曲线， 包括： 通过 对多条所述聚类中心曲线重构， 得到日负荷特 征曲线。 6.如权利要求1所述的一种基于用户画像的负荷预估方法， 其特征在于， 所述根据 所述 日负荷特 征曲线和所述负荷预估值， 得到多个时刻的日负荷， 包括： 根据所述日负荷特征曲线中所述多个时刻的负荷比值与 所述负荷预估值的乘积， 确定 所述多个时刻的日负荷； 其中， 所述负荷预估值基于目标用户的人口数量或土地面积与负荷指标值确定， 所述 负荷预估值包括电力负荷预估值和冷热负荷预估值； 所述电力负荷预估值采用负荷 密度法确定， 表达式为： 式中， 为预估目标用户的年或月用电量， 为预估的目标用户人口数或土地面积， 为 用电密度， 即平均每人或每土地 面积的用电量； 所述冷热负荷预估值包括： 建筑物需求负荷预估值、 生活热水负荷预估值和工业热负 荷预估值； 所述建筑物需求负荷预估值 为建筑物空调负荷， 表达式为： 式中， Wq为空调冷负荷， Eq为空调冷指标， Wa为空调热负荷， Ea为空调热指标， Gk为空调建 筑物的建筑面积； 所述生活热水负荷预估值 为洗浴用水负荷， 表达式为： 权　利　要　求　书 2/4 页 3 CN 114418173 A 3