1.一种基于用电行为规律和电器电流最小状态的细粒度用电负荷建模方法,其特征在于,包括步骤如下:(1)根据调研的24小时家庭用电行为规律构建用电时间表,所述24小时家庭用电行为规律包含家庭所有电器的种类名称、每个电器的开始工作的时间、工作时间长度、工作模式的信息,所述家庭用电行为规律采取数据结构的形式表示,就称之为用电时间表;
(2)采集用电时间表中各电器在工作模式下的电压、电流原始数据;所述工作模式是由各电器的控制面板所设定的工作模式;
(3)将每种电器的工作模式电流数据进一步拆分成子状态;所述子状态是根据电器控制原理划分的各工作模式下具有重复性的阶段性数据,包括空调的快速升温、快速降温阶段、平稳工作阶段;洗衣机的进水、浸泡、洗涤、漂洗、脱水、出水;微波炉的大火、中火、小火或者火力10%、20%、…、100%,对应的电压数据参照电流同步拆分;
(4)将每种电器的子状态电流数据根据相邻周波的变化特性拆分成最小状态,最小状态分为短稳态、长稳态和瞬态,对应的电压数据参照电流同步拆分;
(5)电流短稳态、长稳态采用逆快速傅里叶变换重构,瞬态采用逆小波变换重构,根据每种电器工作模式下的电流状态‑时序,依次实现最小状态、子状态和工作模式的电流重构,对应的电压数据参照电流短稳态重构;
在步骤(5)中,所述最小状态重构包括以下具体步骤:
(51)短稳态波形是指相邻周波的相关度为高相关且基波幅值基本稳定的各波形,用单周波来重构,同一种短稳态波形只需存储一组重构系数即可;短稳态单周波数据经第一次降采样后将数据长度变成N,N是最接近并且小于原有周波样点数的2的整数次幂,做N点快速傅里叶变换,保存直流分量系数、基波至N/2‑1次谐波所有FFT系数,最后用这些FFT系数做逆快速傅里叶变换重构短稳态数据,再经升采样还原成原始数据长度,得到短稳态重构波形数据;
(52)长稳态波形是指相邻周波的相关度为高相关,即ρ≥0.95,ρ为相邻周波相关系数,但基波幅值处于逐渐上升或者下降渐变的多周波波形;长稳态波形用多周波来重构,同一种长稳态波形只需存储一组重构系数即可;长稳态波形与短稳态波形采取同样的降采样方法将每周波数据长度变成N;因为长稳态相邻两周波具有高相关性,即各次谐波百分比含量近似相等,所以第一个周波保存所有FFT系数,即保存直流分量系数、基波至N/2‑1次数谐波所有FFT系数,其余各周波保存每周波的直流分量、基波系数;重构时,第一个周波同短稳态重构方法;其余各周波重构时,利用对应的直流分量、基波系数,其余各次谐波系数为第一个周波对应各次谐波系数与基波系数比值相乘的值,其中基波系数比值为当前周波波形的基波模值除以第一个周波波形的基波模值得到的比例系数;然后按照周波顺序依次做逆快速傅里叶变换,每周波数据再采用升采样还原成原始单周波数据长度,依次拼接每周波数据,得到长稳态重构波形数据;
(53)瞬态波形是指相邻周波的相关度较小且频谱含量丰富的多周波波形,通常是开机、关机瞬间或者是不同的稳态之间的过渡波形,用多周波来重构;对瞬态波形的每周波分别做小波基为db4的小波变换,由瞬态波形的最小分辨率: 得到分解层数为v层,f为电网频率的1/2,保存从第一层到第v层的所有低频和高频系数用于波形重构;重构时,对瞬态每周波WT系数按照时间先后顺序做逆小波变换重构,按序依次拼接每周波数据,得到瞬态重构波形数据;
(6)根据用电时间表确定每种电器的电器ID号、模式ID号、起始时间和结束时间,按序填充电器工作模式重构数据,得到24小时单电器电流波形;
在步骤(6)中,所述24小时单电器电流波形的建立包括以下具体步骤:
(61)对步骤5中得到单电器电流最小状态的重构波形数据进行相位补偿;
(62)采集的单电器电流最小状态为A相电流最小状态,根据电器的相序分布,确定最小状态所在相序;最小状态先进行第一次重采样,使得重采样后的每周波点数是3的整数倍且大于原有的周波点数,假设重采样后每周波点数为NN,则向后移动 点,再经第二次重采样变成原始采样率,得到B相电流最小状态;同理,最小状态经第一次重采样向后移动点,再经第二次重采样变成原始采样率,得到C相电流最小状态;
(63)将单电器电流最小状态与最小状态‑时序结合,得到子状态,再将子状态与子状态‑时序结合,得到工作模式;
(64)将(63)中单电器工作模式与电器用电时间表结合,得到电器1小时电流数据模型,再将电器1小时电流数据模型与单相用电时间表结合,得到单相单电器1小时电流波形数据;
(65)将(64)中单相单电器1小时电流波形数据按照相序、电器种类及24小时段填充1小时电流波形数据,得到24小时单电器电流波形;
(7)A相电压最小状态向后移相120°、240°,同电流短稳态重构方法得到24小时三相电压波形,结合步骤(6)的24小时单电器电流波形得到24小时单相叠加功率;
步骤(7)中所述24小时单相叠加功率波形的建立包括以下具体步骤:
(71)采集的电压最小状态为A相电压最小状态,同单电器电流最小状态移相方法,得到B相和C相电压最小状态;
(72)同电流短稳态重构方法重构三相电压最小状态,根据相序和电压最小状态‑时序重构24小时三相电压波形;
(73)按照电器相序位置,将24小时单电器电流和24小时单相电压一一对应,逐点相乘,得到24小时单电器瞬时功率,将同一相序所有电器的24小时单电器瞬时功率逐点累加,得到24小时单相叠加功率;
(74)将(73)中24小时3个单相叠加功率波形分别做峰谷值标注,调整高峰段单电器的用电时间,优化用电时间表,实现避峰用电。
2.根据权利要求1所述的细粒度用电负荷建模方法,其特征在于,步骤(1)中所述用电时间表的建立包括以下具体步骤:(11)根据24小时家庭用电行为规律,提取电器种类、相序、工作模式、用电时间段、每段起始时间和每段结束时间的特征;
(12)将同一相序、同一电器工作时间段统一表示,建立单相用电时间表,即A相、B相和C相用电时间表;单相用电时间表的数组表示:Phase_schedule={phase,device_id,start_time1,end_time1,…,start_time n,end_time n};
其中,phase为相序,device_id为电器ID号,n为电器用电时间段数,start_time为每段起始时间,end_time为每段结束时间;
(13)将步骤(12)中所有电器用电时间段按24个小时段划分,标记每个小时段电器工作模式,建立电器用电时间表;电器用电时间表的数组表示:当label=0时,Device_schedule={phase,device_id,start_hour,label};
当label=1时,Device_schedule={phase,device_id,start_hour,label,start_point,end_point,mode_id};
其中,start_hour为起始小时,label为小时段有无数据标记,label=0表示无数据,label=1表示有数据,start_point为起始点数,end_point为结束点数,mode_id为模式ID号。
3.根据权利要求1所述的细粒度用电负荷建模方法,其特征在于,步骤(2)中所述工作模式由电器ID号、模式ID号、每个子状态ID号及每个子状态对应的重复次数组成;工作模式的数组表示:Mode={device_id,mode_id,stage_id1,stage_times1,stage_id2,stage_times2,…,stage_id n,stage_times n};
其中,stage_id为子状态ID号,stage_times为子状态重复次数。
4.根据权利要求1所述的细粒度用电负荷建模方法,其特征在于,步骤(3)中所述子状态由电器ID号、子状态ID号、每个最小状态ID号及每个最小状态对应的重复次数组成;子状态的数组表示:Stage={device_id,stage_id,state_id1,state_times1,state_id2,state_times2,…,state_id n,state_times n};
其中,state_id为最小状态号,state_times为最小状态重复次数。