基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法
【專利摘要】本發(fā)明提供了一種基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法，包括對居民全年電力負(fù)荷數(shù)據(jù)進(jìn)行濾波，得到每位用戶用電數(shù)據(jù)中的低頻分量；將得到的低頻分量轉(zhuǎn)化為一個高維向量；計(jì)算每位用戶的用電量特征；擬合家用電器數(shù)量的統(tǒng)計(jì)數(shù)據(jù)與用電量特征，得到家用電器數(shù)量與用電量特征量的線性關(guān)系，并計(jì)算擬合系數(shù)；通過坐標(biāo)變換矩陣將擬合系數(shù)還原至高維空間，得到高維向量，所述高維向量即為用電設(shè)備的負(fù)荷曲線；依據(jù)用電設(shè)備的負(fù)荷曲線為此地區(qū)用戶制定節(jié)能方案。本發(fā)明能夠分析指定地區(qū)多種用電設(shè)備負(fù)荷曲線，得到特定地區(qū)電力用戶用電習(xí)慣，為此地區(qū)用戶定制電價方案，有針對性的引導(dǎo)用戶改變用電習(xí)慣，達(dá)到節(jié)約電能的目的。
【專利說明】
基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及電力電子技術(shù)，具體地，涉及一種基于主成分分析和逐步回歸的電器 設(shè)備負(fù)荷曲線分離方法。
【背景技術(shù)】
[0002] 需求側(cè)響應(yīng)即電力用戶根據(jù)電力價格、電力政策的動態(tài)改變而調(diào)整其原有的習(xí)慣 用電模式，達(dá)到減少或推移某時段的用電負(fù)荷而響應(yīng)電力供應(yīng)，從而保證電網(wǎng)系統(tǒng)的安全 經(jīng)濟(jì)性。
[0003] 需求響應(yīng)政策的制定建立在對用戶用電行為的深入了解之上。用戶用電行為包括 用戶當(dāng)前用電行為和用戶如何響應(yīng)需求相應(yīng)政策。為每位居民用戶家中的用電設(shè)備安裝電 表可以對用戶用電行為做出準(zhǔn)確的測量，但需付出極高的建設(shè)安裝及運(yùn)維費(fèi)用。使用負(fù)荷 曲線分離技術(shù)不需為每位居民用戶的所有用電器安裝電表，僅需采集用戶家庭總用電曲線 即可分析出用戶不同用電設(shè)備用電曲線。使用居民用戶不同用電設(shè)備用電曲線可分析出特 定地區(qū)電力用戶用電習(xí)慣，為此地區(qū)用戶定制電價方案，有針對性的引導(dǎo)用戶改變用電習(xí) 慣，降低電力系統(tǒng)負(fù)荷峰值。為實(shí)現(xiàn)負(fù)荷曲線分離，本發(fā)明給出的計(jì)算方法綜合使用了兩種 方法，主成分分析和多元逐步線性回歸。
[0004] 主成分分析(Principal Componential Analysis，PCA)，是一種多元統(tǒng)計(jì)分析技 術(shù)。其中心目的是將數(shù)據(jù)降維，提取數(shù)據(jù)中信息的主要成分，忽略數(shù)據(jù)中信息的次要組分。 通過主成分分析能夠降低原始數(shù)據(jù)的維度，去除數(shù)據(jù)中的隨機(jī)擾動，簡化后續(xù)計(jì)算。
[0005] 多元逐步線性回歸分析是指對兩個或兩個以上的線性變量的回歸分析，相比普通 的多元線性回歸，多元逐步線性回歸分析每一步先選取影響最顯著的自變量引入，再對已 有變量逐個進(jìn)行檢驗(yàn)，剔除影響最不顯著的變量，最終建立起逐步線性回歸預(yù)測方程。逐步 線性回歸能較好地克服多重共線性現(xiàn)象的發(fā)生，是探索多變量關(guān)系的最常用的分析方法。

【發(fā)明內(nèi)容】

[0006] 針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于主成分分析和逐步回歸的 電器設(shè)備負(fù)荷曲線分離方法。
[0007] 根據(jù)本發(fā)明提供的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法，包 括如下步驟：
[0008] 步驟1:根據(jù)獲取到的用戶家用電器數(shù)量的統(tǒng)計(jì)數(shù)據(jù)、居民全年電力負(fù)荷數(shù)據(jù)建立 數(shù)據(jù)樣本集合；
[0009] 步驟2:對每位用戶的全年電力負(fù)荷數(shù)據(jù)進(jìn)行濾波，得到每位用戶的全年電力負(fù)荷 數(shù)據(jù)中的低頻分量；
[0010]步驟3:將得到的低頻分量轉(zhuǎn)化為第一高維向量；
[0011]步驟4:將高維向量合并為第一矩陣，使用主成分分析法分解該矩陣后得到該矩陣 的特征值與特征向量，將特征值從大到小排序，從最大的特征值處開始，取多個特征值作為 所述較大的特征值，將較大的特征值所對應(yīng)的特征向量組合成第二矩陣，作為高維空間與 低維空間的坐標(biāo)變換矩陣；
[0012] 步驟5:通過坐標(biāo)變換矩陣將每位用戶對應(yīng)的第一高維向量映射到低維空間，計(jì)算 每位用戶的第一高維向量映射到低維空間的坐標(biāo)，所述坐標(biāo)作為用電量特征；
[0013] 步驟6:使用逐步線性回歸分析擬合家用電器數(shù)量的統(tǒng)計(jì)數(shù)據(jù)與用電量特征，得到 家用電器數(shù)量與用電量特征量的線性關(guān)系，并計(jì)算擬合系數(shù)；
[0014] 步驟7:通過坐標(biāo)變換矩陣將擬合系數(shù)還原至高維空間，得到第二高維向量，所述 第二高維向量即為用電設(shè)備的負(fù)荷曲線；
[0015] 步驟8:依據(jù)用電設(shè)備的負(fù)荷曲線為用戶制定節(jié)能方案。
[0016] 優(yōu)選地，所述步驟1包括:收集用戶全年用電數(shù)據(jù)，每小時采集一個以上的數(shù)據(jù)點(diǎn)， 讀取用戶全年用電數(shù)據(jù)并保存成矩陣的形式，具體地，
[0017] 讀取第η天全天的用電數(shù)據(jù)，依照時間順序組合為一個列向量，并使用符號1表 示，計(jì)算代表每一天用電數(shù)據(jù)的列向量4，依照日期順序組合為一個矩陣，并使用符號D表 示如下：
[0018] D=(di,d2,-",dn)
[0019] 計(jì)算每位用戶的用電數(shù)據(jù)矩陣D，收集待分析用電設(shè)備數(shù)量數(shù)據(jù)，將同一用戶的用 電數(shù)據(jù)矩陣和用電設(shè)備數(shù)量數(shù)據(jù)對應(yīng)起來，共同構(gòu)成一個樣本，對所有用戶采集的數(shù)據(jù)樣 本構(gòu)成數(shù)據(jù)樣本集合。
[0020] 優(yōu)選地，所述步驟2包括:選取相鄰50天內(nèi)用電數(shù)據(jù)的平均值作為中間一天的用電 數(shù)據(jù)，其中取平均值操作能夠產(chǎn)生低通濾波器的效果;計(jì)算公式如下：
[0021]
[0022] 式中：.￡)表示低頻分量矩陣，di表示第i天用電數(shù)據(jù)的列向量，η表示總天數(shù)。
[0023] 優(yōu)選地，所述步驟3包括:將低頻分量矩陣乃轉(zhuǎn)換成如下的形式：
[0024]

作為這位用戶的用電量特征量，計(jì)算公式如下：
[0032] /' == Us〇 ;
[0033] F = IfsM %
[0034] 式中：向量f表示一位用戶用電量特征量，矩陣F表示所有用戶用電量特征量，％表 示矩陣Us的共輒轉(zhuǎn)置；
[0035] 優(yōu)選地，所述步驟6包括:使用逐步線性回歸分析擬合向量1與矩陣F，計(jì)算得到S維 向量擬合系數(shù)w，；使用向量1表示家用電器數(shù)量。
[0036]優(yōu)選地，所述步驟7包括:使用坐標(biāo)變換矩陣Us將擬合系數(shù)w變換至高維空間，計(jì)算 公式如下：
[0037] W=Usw;
[0038] 式中：向量W中的元素用于表示用電設(shè)備在向量W中的元素所對應(yīng)的時間段的耗電 量。
[0039] 優(yōu)選地，所述步驟8包括:分析地區(qū)多種用電設(shè)備負(fù)荷曲線，得到該地區(qū)電力用戶 用電習(xí)慣，為該地區(qū)用戶定制電價方案。
[0040] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：
[0041] 本發(fā)明能夠分析指定地區(qū)多種用電設(shè)備負(fù)荷曲線，得到特定地區(qū)電力用戶用電習(xí) 慣，為此地區(qū)用戶定制電價方案，有針對性的引導(dǎo)用戶改變用電習(xí)慣，達(dá)到節(jié)約電能的目 的。
【附圖說明】
[0042]通過閱讀參照以下附圖對非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、 目的和優(yōu)點(diǎn)將會變得更明顯：
[0043] 圖1為電磁爐的全年用電數(shù)據(jù)曲線圖；
[0044] 圖2為本發(fā)明提供的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法的 流程示意圖。
【具體實(shí)施方式】
[0045]下面結(jié)合具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。以下實(shí)施例將有助于本領(lǐng)域的技術(shù) 人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對本領(lǐng)域的普通技術(shù) 人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變化和改進(jìn)。這些都屬于本發(fā)明 的保護(hù)范圍。
[0046] -種基于主成分分析和多元逐步線性回歸的家用電器設(shè)備負(fù)荷曲線分離方法，包 括以下步驟：
[0047] (1)獲取用戶家用電器數(shù)量的統(tǒng)計(jì)數(shù)據(jù)，獲取居民全年電力負(fù)荷數(shù)據(jù)，構(gòu)建數(shù)據(jù)樣 本集合。
[0048] (2)對每位用戶的用電數(shù)據(jù)濾波，得到每位用戶用電數(shù)據(jù)中的低頻分量。再將對每 位用戶用電數(shù)據(jù)濾波得到的低頻分量轉(zhuǎn)化為一個高維向量。
[0049] (3)將(2)中每位用戶的高維向量合并為一個矩陣，并使用主成分分析法分解這個 矩陣，得到特征值與特征向量。選取較大的特征值對應(yīng)的特征向量組成的矩陣，作為高維空 間與低維空間的坐標(biāo)變換矩陣。
[0050] (4)使用(3)中的坐標(biāo)變換矩陣將每位用戶的高維向量映射到低維空間，并計(jì)算其 在低維空間中坐標(biāo)，定義為用電量特征量。
[0051] (5)使用逐步線性回歸分析擬合家用電器數(shù)量的統(tǒng)計(jì)數(shù)據(jù)與（4)中低維空間中的 坐標(biāo)，得到家用電器數(shù)量與用電量特征量的線性關(guān)系，并計(jì)算擬合系數(shù)。
[0052] (6)使用(3)中的坐標(biāo)變換矩陣將擬合系數(shù)還原至高維空間，選取此高維向量表示 此用電設(shè)備的負(fù)荷曲線。
[0053]所述步驟（1)中，具體方法為:收集用戶全年用電數(shù)據(jù)，每小時至少采集一個數(shù)據(jù) 點(diǎn)。讀取用戶全年用電數(shù)據(jù)并保存成矩陣的形式：
[0054]讀取第η天全天的用電數(shù)據(jù)，依照時間順序組合為一個列向量，并使用符號1表 示。計(jì)算代表每一天用電數(shù)據(jù)的列向量4，依照日期順序組合為一個矩陣，并使用符號D表 不。
[0055] D=(di,d2,---,cln)
[0056] 計(jì)算每位用戶的用電數(shù)據(jù)矩陣D。收集待分析用電設(shè)備數(shù)量數(shù)據(jù)，將同一用戶的用 電數(shù)據(jù)矩陣和用電設(shè)備數(shù)量數(shù)據(jù)對應(yīng)起來，共同構(gòu)成一個樣本，對所有用戶采集的數(shù)據(jù)樣 本構(gòu)成數(shù)據(jù)樣本集合。
[0057] 所述步驟(2)中，得到用電數(shù)據(jù)中低頻分量的具體方法為:選取相鄰50天內(nèi)用電數(shù) 據(jù)的平均值作為中間一天的用電數(shù)據(jù)。取平均值操作產(chǎn)生低通濾波器的效果，也可采取其 他的濾波方式。
[0058]
[0059] 所述步驟(2)中，將表示用電數(shù)據(jù)中低頻分量的矩陣力轉(zhuǎn)化為高維向量的具體方 法為：
[0060]
[0061]
[0062] 所述步驟(3)中，使用主成分分析法的具體方法為:將每位用戶（設(shè)共有m位用戶） 的高維向量合并為一個矩陣，使用符號M表示，對M作主成分分析得到特征值矩陣A和特征向 量矩陣U:
[0063]
[0064]
[0065] 選取特征向量矩陣U中的前S個向量，使用符號Us表示
[0066] Us= (Ui,U2, ··· ,Us)
[0067] 選取Us作為高維空間與低維空間的坐標(biāo)變換矩陣。
[0068] 所述步驟(4)中，計(jì)算用電量特征量的具體方法為:將每位用戶的高維向量與坐 標(biāo)變換矩陣Us做內(nèi)積作為這位用戶的用電量特征量。
[0069] 選取向量f表示一位用戶用電量特征量，
[0070] 選取矩陣F表示所有用戶用電量特征量，/〃=【/>/
[0071] 所述步驟(5)中，具體方法為:使用逐步線性回歸分析擬合家用電器數(shù)量與用戶用 電量特征量。
[0072]使用向量1表示家用電器數(shù)量。
[0073] 使用逐步線性回歸分析擬合向量1與矩陣F，計(jì)算得到S維向量擬合系數(shù)w，使得1~ wF〇
[0074] 所述步驟(6)中，具體方法為:使用坐標(biāo)變換矩陣Us將擬合系數(shù)w變換至高維空間， 并使用符號W表示。
[0075] W=Usw
[0076] 向量W中的元素近似表示此用電設(shè)備在此元素所對應(yīng)的時間段的耗電量。
[0077] 使用基于主成分分析和多元逐步線性回歸的家用電器設(shè)備負(fù)荷曲線分離方法分 析家用電器設(shè)備中電磁爐的用電曲線。
[0078] (1)獲取電磁爐數(shù)量的統(tǒng)計(jì)數(shù)據(jù)，獲取居民電力負(fù)荷數(shù)據(jù)，構(gòu)建數(shù)據(jù)樣本集合。
[0079] 樣本:愛爾蘭地區(qū)的581個家庭，m = 581。
[0080] 電力負(fù)荷數(shù)據(jù)：2009年7月至2010年12月的用電數(shù)據(jù)，每日測量48個用電量數(shù)據(jù) (每半小時測量一次），共測量536天，η = 536，D = (di，d2，…，d536)。
[0081] 電磁爐數(shù)量統(tǒng)計(jì)數(shù)據(jù)指統(tǒng)計(jì)每個家庭電磁爐的數(shù)量1。1可能的取值可分為三種情 況:1.沒有;2.-個;3.兩個及以上。
[0082] (2)對每位家庭用戶的用電數(shù)據(jù)濾波，得到每位用戶用電數(shù)據(jù)中的低頻分量。采用 相鄰50天用電數(shù)據(jù)的平均值近似表示中間一天的用電量。
[0083]濾波操作導(dǎo)致實(shí)驗(yàn)剛開始之后初始的24天的測量數(shù)據(jù)和實(shí)驗(yàn)結(jié)束之前最后25天 的測量數(shù)據(jù)缺失，測量數(shù)據(jù)縮減為487天，每天48個測量點(diǎn)。
[0084]將上述487 X 48個數(shù)據(jù)點(diǎn)放在一個向量中，此向量有23376個元素，所有數(shù)據(jù)點(diǎn)依 照時間順序排列，從第一天的0: OO-0:30至最后一天的23:30-24:00。
[0085]
[0086]
[0087] (3)將(2)中每位用戶的高維向量合并為一個矩陣M，M擁有23376行581列。
[0088] 使用主成分分析法分解這個矩陣，得到特征值與特征向量。選取較大的特征值對 應(yīng)的特征向量組成的矩陣，作為高維空間與低維空間的坐標(biāo)變換矩陣。
[0089] MM* = UAU*
[0090] U為23376行23376列的方陣，A為23376行23376列的方陣。
[0091] 選取特征向量矩陣U中的前S個向量，使用符號Us表示，S= 10。
[0092] Us=(Ui,U2,---,Uio)
[0093] Us為23376行10列的矩陣。
[0094] (4)使用(3)中的坐標(biāo)變換矩陣將每位用戶的高維向量映射到低維空間，并計(jì)算其 在低維空間中坐標(biāo)，定義為用電量特征量，F(xiàn) = L>/，F(xiàn)為10行581列的矩陣。
[0095] (5)使用逐步線性回歸分析擬合向量1與矩陣F，計(jì)算得到S維向量擬合系數(shù)w，使得 Ii^wF0
[0096] (6)使用坐標(biāo)變換矩陣Us將擬合系數(shù)w變換至高維空間。
[0097] W=Usw
[0098] 向量W中的元素近似表示此用電設(shè)備在此元素所對應(yīng)的時間段的耗電量。
[0099]將W向量還原為487X48的矩陣形式，并使用等高線圖表示，如圖1所示，圖中所示 數(shù)值為相對值。
[0100] 圖中電磁爐用電時間集中在中午與傍晚，結(jié)果與家庭生活一般作息規(guī)律完全吻 合。
[0101] 以上對本發(fā)明的具體實(shí)施例進(jìn)行了描述。需要理解的是，本發(fā)明并不局限于上述 特定實(shí)施方式，本領(lǐng)域技術(shù)人員可以在權(quán)利要求的范圍內(nèi)做出各種變化或修改，這并不影 響本發(fā)明的實(shí)質(zhì)內(nèi)容。在不沖突的情況下，本申請的實(shí)施例和實(shí)施例中的特征可以任意相 互組合。
【主權(quán)項(xiàng)】
1. 一種基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法，其特征在于，包括 如下步驟： 步驟1:根據(jù)獲取到的用戶家用電器數(shù)量的統(tǒng)計(jì)數(shù)據(jù)、居民全年電力負(fù)荷數(shù)據(jù)建立數(shù)據(jù) 樣本集合； 步驟2:對每位用戶的全年電力負(fù)荷數(shù)據(jù)進(jìn)行濾波，得到每位用戶的全年電力負(fù)荷數(shù)據(jù) 中的低頻分量； 步驟3:將得到的低頻分量轉(zhuǎn)化為第一高維向量； 步驟4:將高維向量合并為第一矩陣，使用主成分分析法分解該矩陣后得到該矩陣的特 征值與特征向量，將特征值從大到小排序，從最大的特征值處開始，取多個特征值作為所述 較大的特征值，將較大的特征值所對應(yīng)的特征向量組合成第二矩陣，作為高維空間與低維 空間的坐標(biāo)變換矩陣； 步驟5:通過坐標(biāo)變換矩陣將每位用戶對應(yīng)的第一高維向量映射到低維空間，計(jì)算每位 用戶的第一高維向量映射到低維空間的坐標(biāo)，所述坐標(biāo)作為用電量特征； 步驟6:使用逐步線性回歸分析擬合家用電器數(shù)量的統(tǒng)計(jì)數(shù)據(jù)與用電量特征，得到家用 電器數(shù)量與用電量特征量的線性關(guān)系，并計(jì)算擬合系數(shù)； 步驟7:通過坐標(biāo)變換矩陣將擬合系數(shù)還原至高維空間，得到第二高維向量，所述第二 高維向量即為用電設(shè)備的負(fù)荷曲線； 步驟8:依據(jù)用電設(shè)備的負(fù)荷曲線為用戶制定節(jié)能方案。2. 根據(jù)權(quán)利要求1所述的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法， 其特征在于，所述步驟1包括:收集用戶全年用電數(shù)據(jù)，每小時采集一個以上的數(shù)據(jù)點(diǎn)，讀取 用戶全年用電數(shù)據(jù)并保存成矩陣的形式，具體地， 讀取第η天全天的用電數(shù)據(jù)，依照時間順序組合為一個列向量，并使用符號dn表示，計(jì)算 代表每一天用電數(shù)據(jù)的列向量4，依照日期順序組合為一個矩陣，并使用符號D表示如下： D= (di,d2, ··· ,dn) 計(jì)算每位用戶的用電數(shù)據(jù)矩陣D，收集待分析用電設(shè)備數(shù)量數(shù)據(jù)，將同一用戶的用電數(shù) 據(jù)矩陣和用電設(shè)備數(shù)量數(shù)據(jù)對應(yīng)起來，共同構(gòu)成一個樣本，對所有用戶采集的數(shù)據(jù)樣本構(gòu) 成數(shù)據(jù)樣本集合。3. 根據(jù)權(quán)利要求2所述的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法， 其特征在于，所述步驟2包括:選取相鄰50天內(nèi)用電數(shù)據(jù)的平均值作為中間一天的用電數(shù) 據(jù)，其中取平均值操作能夠產(chǎn)生低通濾波器的效果;計(jì)算公式如下：式中：合表示低頻分量矩陣，di表示第i天用電數(shù)據(jù)的列向量，η表示總天數(shù)。4. 根據(jù)權(quán)利要求3所述的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法， 其特征在于，所述步驟3包括:將低頻分量矩陣^轉(zhuǎn)換成如下的形式：5. 根據(jù)權(quán)利要求1所述的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法， 其特征在于，所述步驟4中的主成分分析法是指:將每位用戶的第一高維向量合并為第一矩 陣，使用符號Μ表示，對Μ作主成分分析得到特征值矩陣A和特征向量矩陣U: MM* = UAU* U=(Ui,U2,---,Um) 選取特征向量矩陣U中的前S個向量，使用符號Us表示，式中:m表示用戶數(shù)，if表示矩陣U 的共輒轉(zhuǎn)置，表示矩陣Μ的共輒轉(zhuǎn)置； Us=(Ui,U2,---,Us) 選取Us作為高維空間與低維空間的坐標(biāo)變換矩陣。6. 根據(jù)權(quán)利要求1所述的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法， 其特征在于，所述步驟5包括:將每位用戶的第一高維向量/5與坐標(biāo)變換矩陣Us做內(nèi)積作為 這位用戶的用電量特征量，計(jì)算公式如下：式中：向量f表示一位用戶用電量特征量，矩陣F表示所有用戶用電量特征量，?/》表示矩 陣Us的共輒轉(zhuǎn)置。7. 根據(jù)權(quán)利要求1所述的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法， 其特征在于，所述步驟6包括:使用逐步線性回歸分析擬合向量1與矩陣F，計(jì)算得到S維向量 擬合系數(shù)《，；使用向量1表示家用電器數(shù)量。8. 根據(jù)權(quán)利要求1所述的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法， 其特征在于，所述步驟7包括:使用坐標(biāo)變換矩陣Us將擬合系數(shù)w變換至高維空間，計(jì)算公式 如下： ff=Usw； 式中：向量W中的元素用于表示用電設(shè)備在向量W中的元素所對應(yīng)的時間段的耗電量。9. 根據(jù)權(quán)利要求1所述的基于主成分分析和逐步回歸的電器設(shè)備負(fù)荷曲線分離方法， 其特征在于，所述步驟8包括:分析地區(qū)多種用電設(shè)備負(fù)荷曲線，得到該地區(qū)電力用戶用電 習(xí)慣，為該地區(qū)用戶定制電價方案。
【文檔編號】G06Q50/06GK106056470SQ201610383098
【公開日】2016年10月26日
【申請日】2016年6月1日
【發(fā)明人】蔡瓏, 顧潔, 金之儉
【申請人】上海交通大學(xué)