CN110889019A - 一种电力负荷的图形化描述新方法 - Google Patents
一种电力负荷的图形化描述新方法 Download PDFInfo
- Publication number
- CN110889019A CN110889019A CN201911063777.1A CN201911063777A CN110889019A CN 110889019 A CN110889019 A CN 110889019A CN 201911063777 A CN201911063777 A CN 201911063777A CN 110889019 A CN110889019 A CN 110889019A
- Authority
- CN
- China
- Prior art keywords
- load
- data
- load data
- image
- rgb
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000010606 normalization Methods 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 235000019646 color tone Nutrition 0.000 abstract description 4
- 238000013079 data visualisation Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 4
- 239000013589 supplement Substances 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 239000003086 colorant Substances 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
一种电力负荷的图形化描述新方法,属于电能质量分析方法技术领域。方法包括本发明提供一种电力负荷的图形化描述新方法,该方法设计一种将负荷数据转换为RGB数据的转换方法。利用人们肉眼对于HSV颜色模型中色调的敏感性,以色调变化为基础设计符合人们观测的负荷图像。该负荷图像将对象所有时刻的负荷数据均可以在一张图像中显示,更好的呈现出用户使用负荷的规律。这种新的负荷数据图像描述方法将有助于进行负荷数据缺失补全、用户分类识别、负荷预测等,也有助于将各种最新的深度学习方法在电力***中应用,对现有的负荷数据可视化是一个重要补充,具有十分重要的现实意义。
Description
技术领域
本发明涉及电力负荷图形化描述的一种新方法,属于电力***负荷分析方法和数据可视化技术领域。
背景技术
电力负荷,又称“用电负荷”。电能用户的用电设备在某一时刻向电力***取用的电功率的总和,称为用电负荷。根据电力用户的不同负荷特征,电力负荷可区分为各种工业负荷、农业负荷、交通运输业负荷和人民生活用电负荷等。
通常使用负荷曲线查看负荷随时间变化的情况,并据此研究负荷变化的规律性。按负荷种类分,可分为有功功率曲线和无功功率曲线;按时间段长短分,可分为日负荷曲线(以1小时/15分钟为单位)、月负荷曲线(以日为单位)、年负荷曲线(以月为单位);按计量地点分,可分为个别用户、电力线路、变电站、发电厂乃至整个电力***的负荷曲线。电力***负荷曲线的变化规律表现为一个非平稳的随机过程。由于人们的生产及生活安排等社会因素及自然季节性的影响,使负荷曲线的变化呈现出一定的周期性。从不同的时间观察,可认为负荷曲线的变化具有一天、一周、一月以至一年的变化周期。通常进行用户分类时使用日负荷曲线,传统的日负荷曲线横坐标为采样时刻,纵坐标为该时刻的负荷数据值。日负荷曲线数据清晰如图1所示,可以清楚知道每个采样时刻的负荷。将用户连续一月中每日负荷曲线均在同一日负荷曲线中显示如图2所示,由于图中为多日负荷数据堆积,负荷曲线虽可见负荷变化趋势,但已不能分清负荷数据所对应日期。若将全年负荷全部在一张负荷曲线上显示,则更会混杂在一起难以分辨。
发明内容
本发明的目的在于,提出一种电力负荷的图形化描述新方法。该方法可以直观的看出用户在很长一段时间内的负荷使用情况,有利于提取用电负荷规律。并为深度学习方法在负荷分类识别等提供便利条件。
首先,对电力***负荷数据进行数据预处理。所述数据预处理包括对负荷数据按照等长采样时间间隔进行连续采样、对缺少采样值的时间点进行补空值处理。
然后,对负荷数据进行归一化处理。归一化处理包括:负荷局部归一化和负荷全局归一化。负荷局部归一化,以单一负荷为基础进行的归一化处理,可以掌握单一负荷的变化规律。负荷全局归一化,以全部负荷为基础进行的归一化处理,可以比较同类负荷间的绝对差异。
其次,将归一化处理后的负荷数据θ转换为其所对应的HSV值。当s=1,v=1,h取值[0,360)则颜色呈现如图3所示,使得h取值为0和取值为359时的颜色值接近,人们从肉眼难以区分出差别,为了使得图像能够更好的反应负荷数据的情况,构造如图4所示的色带,负荷归一化值为0是黑色,负荷归一化值为1显示正红色。
再次,将归一化负荷的HSV值转换为RGB值。HSV和RGB之间存在通用转换公式。
最后,将分析对象的所有归一化负荷RGB值按周期规律生成的像素图形。例如,负荷采样数据为2004年1月1日1:00至2004年12月31日24:00,采样时间间隔1小时。则从左上角依次排列的像素值为2004年1月1日1:00、2:00…24:00,2004年1月2日1:00、2:00…24:00等各采样点的负荷RGB,如图5所示。每行显示1周的负荷数据,***保存了该用户1年数据,则显示为53行数据,最后1行增加黑色RGB(0,0,0)补齐负荷数据为0。为多个商业用户生成器负荷数据新图像,仅从图像中即可看出用户的负荷特征,如图6所示。根据公共数据集中的居民用户为每个居民用户生成其负荷数据图像,可见居民用户使用负荷的特征,如图7所示。根据公共数据集中用电设备的负荷情况生成每个设备的负荷数据图像,可见负荷设备的负荷特征,如图8所示。
可行性分析:第一,符合实际应用需求;传统的负荷曲线虽可显示单日负荷曲线,但当日期数量大增时传统日负荷曲线可视性差,不利于进行负荷规律分析。需要一种更利于发现负荷规律的负荷展示的新方法;第二,具备数据支撑条件;各个电网公司等保存了大量用户的负荷数据,且采样时间规律通常为15分钟或1小时,确保了数据时间间隔的稳定性,为生成新的负荷图像提供了大量的数据支撑;第三,技术的可行性;HSV和RGB均为常用的颜色空间,使用HSV描述负荷具有良好的可视性。新的负荷HSV定义使得通过亮度即可区分电力负荷值的大小,观测者从肉眼即可看出负荷规律。从HSV到RGB转换为通用转换公式。因此构建负荷数据的一种新描述图形,在技术层面上也具备了实现依据。
本发明的有益效果:提供一种电力负荷图形化描述的新方法,该方法将负荷将进行归一化处理后,将归一化后的负荷数据按照自定义公式依次转换为HSV颜色和RGB颜色,可以将用户在很长一段时间内(一年或者更多)的负荷使用情况通过图像显示出来。由于负荷值的大小与亮度呈比例关系,可以从新的用户负荷图像即可看出用户负荷规律。这种新的负荷数据图像描述方法将有助于进行负荷数据缺失补全、用户分类识别、负荷预测等,也有助于将各种最新的深度学习方法在电力***中应用,对现有的负荷数据可视化是一个重要补充,具有十分重要的现实意义。
附图说明
图1单日的日负荷曲线示意图。
图2多日的日负荷曲线示意图。
图3全域HSV的颜色示意图。
图4本方法定义的颜色区间示意图。
图5单用户负荷的像素描述示意图。
图6多商业用户负荷图像示意图。
图7电器设备负荷图像示意图。
图8居民用户负荷图像示意图。
图9本发明流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
图1单日的日负荷曲线示意图。图2多日的日负荷曲线示意图。图3全域HSV的颜色示意图。图4本方法定义的颜色区间示意图。图5单用户负荷的像素描述示意图。图6多商业用户负荷图像示意图。图7电器设备负荷图像示意图。图8居民用户负荷图像示意图。图9本发明流程图。如图1、2所示为传统负荷曲线。图3所示为全域HSV的颜色色带。图4、5、6、7、8、9所示为一种电力负荷的图形化描述新方法,该方法步骤如下:
步骤1:对电力***负荷数据进行数据预处理;
本专利的数据预处理包括:对负荷数据按照等长采样时间间隔进行连续采样、对缺少采样值的时间点进行补空值处理。
步骤2:对负荷数据进行归一化处理;
归一化处理包括:负荷局部归一化和负荷全局归一化。负荷局部归一化,以单一负荷为基础进行的归一化处理,可以掌握单一负荷的变化规律。负荷全局归一化,以全部负荷为基础进行的归一化处理,优点是可以比较负荷间的绝对差异,缺点是当某种对象负荷值偏小时弱化负荷特征。负荷定值归一化,将全部负荷或者分类后的对象给出固定的负荷最大值和最小值,该方法对新增负荷数据生成负荷像素时不再需要查找最大、最小值有利于实时数据处理。
局部归一化处理,首先需要对该对象的负荷数据从头到尾扫描一次,找出该对象的最大负荷Smax和最小负荷Smin。然后使用min-max归一化公式对时序排列完成的每一个负荷d求出其负荷归一化值θ1。公式为:
全局归一化处理,首先需要对所有对象的负荷数据从头到尾扫描一次,找出最大负荷Gmax和最小负荷Gmin。然后再对每一个对象的每一个负荷d求出其归一化值θ2。公式为:
定值归一化处理,根据经验将每一类对象设定最大负荷Fmax和最小负荷Fmin。然后再对每一个对象的每一个负荷d求出其归一化值θ3。公式为:
步骤3:将归一化处理后的负荷数据θ,使用公式转换为其所对应的HSV值:
所述公式如下:
h=H(θ)=249(1-θ)
s=1
其中θ为归一化后的负荷数据。h,s,v为归一化负荷对应的HSV颜色值分量。
步骤4:将负荷数据θ的HSV值使用公式转换为RGB值;
所述公式如下:
p=v×(1-s)
q=v×(1-f×s)
p=v×(1-(1-f)×s)
h,s,v为归一化负荷θ对应的HSV颜色值分量,r,g,b为归一化负荷θ对应的RGB颜色值分量。
步骤5:将分析对象的所有归一化负荷RGB值按周期规律生成的像素图形。
所述周期规律为7天(一周)。由于电力用户的负荷通常具有明显的周期性特点,所以设计将用户负荷数据像素按照一周进行排列,纵向来看则按照星期依次排列。像素图形中左上角为第1天负荷数据所生成的像素值,不受该日期为一个星期中的第几天影响。
[实施例1]
本实施例的样本数据源选取开源数据集。
从中选取16个包括学校、医院、餐馆等各种类型各种规模的商业用户。采样区间:2004年1月1日1:00至2004年12月31日24:00。采样周期:1小时。
基于该样本实施步骤如下:
步骤1:对电力***负荷数据进行数据预处理;
该样本数据中不存在数据缺失,且采样时间已经按照时间顺序排序。
步骤2:对负荷数据进行归一化处理;
对样本数据采用负荷局部归一化。将样本负荷数据文件从头到尾扫描一次,找出该对象的最大负荷Smax和最小负荷Smin。然后使用归一化公式对按时序排列的每一个负荷d求出其负荷归一化值θ。
步骤3:将归一化处理后的负荷数据θ,使用公式转换为其所对应的HSV值:
步骤4:将负荷数据θ的HSV值使用公式转换为RGB值;
步骤5:将分析对象的所有归一化负荷RGB值按周期规律生成的像素图形。
该数据为2004年1月1日至2004年12月31日的全年数据,采样周期为1小时。图片像素大小为168×53,横轴代表一周的负荷,纵轴代表从2004年1月1日开始的每一周。
[实施例2]
本实施例的样本数据来源于ElectricityLoadDiagrams2011-2014 Data Set。其中涵盖了葡萄牙某地区370个电力居民用户从2011年到2014年的96点功率数据。部分用户的某些年份数据不全,图像上呈现黑色带状。图片像素大小为672×210,横轴代表一周的负荷,纵轴代表从2011年1月1日开始的每一周。
本发明提供一种电力负荷的图形化描述新方法,该方法设计一种将负荷数据转换为RGB数据的转换方法。利用人们肉眼对于HSV颜色模型中色调的敏感性,以色调变化为基础设计符合人们观测的负荷图像。该负荷图像将对象所有时刻的负荷数据均可以在一张图像中显示,更好的呈现出用户使用负荷的规律。这种新的负荷数据图像描述方法将有助于进行负荷数据缺失补全、用户分类识别、负荷预测等,也有助于将各种最新的深度学习方法在电力***中应用,对现有的负荷数据可视化是一个重要补充,具有十分重要的现实意义。
本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而,实施例中的具体实现方式不应构成本发明的限定,本发明将以附权利要求书界定的范围作为本发明的保护范围。
Claims (6)
1.一种电力负荷的图形化描述新方法,该方法包括以下步骤:
步骤1:对电力***负荷数据进行数据预处理。
步骤2:对负荷数据进行归一化处理。
步骤3:将归一化处理后的负荷数据θ转换为其所对应的HSV值。
步骤4:将归一化负荷的HSV值转换为RGB值。
步骤5:将分析对象的所有归一化负荷RGB值按周期规律生成的像素图形。
2.根据权利要求1所述的一种电力负荷的图形化描述新方法,其特征在于,步骤1所述数据预处理包括对负荷数据按照时间顺序连续采样、数据缺失补空,使得每一个连续负荷数据的时间间隔一致,可以为15分钟采样,也可以为1小时或者其他等长时间间隔的负荷采样。
3.根据权利要求1所述的一种电力负荷的图形化描述新方法,其特征在于,步骤2所述归一化处理包括局部归一化处理和全局归一化处理。
4.根据权利要求1所述的一种电力负荷的图形化描述新方法,其特征在于,步骤3所述对归一化后的数据按照本说明书中给定公式转换为相应的HSV值。
5.根据权利要求1所述的一种电力负荷的图形化描述新方法,其特征在于,步骤4所述按照HSV转换为RGB的通用公式转化为RGB像素值。
6.根据权利要求1所述的一种电力负荷的图形化描述新方法,其特征在于,步骤5所述按照负荷数据特有的周期性规律将根据负荷数据的RGB像素值生成该目标的负荷图像。其作为负荷的图形化描述一种新方法,区别于传统负荷曲线可以把目标的负荷规律更好呈现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911063777.1A CN110889019A (zh) | 2019-11-04 | 2019-11-04 | 一种电力负荷的图形化描述新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911063777.1A CN110889019A (zh) | 2019-11-04 | 2019-11-04 | 一种电力负荷的图形化描述新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110889019A true CN110889019A (zh) | 2020-03-17 |
Family
ID=69746774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911063777.1A Pending CN110889019A (zh) | 2019-11-04 | 2019-11-04 | 一种电力负荷的图形化描述新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889019A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378911A (zh) * | 2021-06-08 | 2021-09-10 | 北京百度网讯科技有限公司 | 图像分类模型训练、图像分类方法及相关装置 |
CN113469396A (zh) * | 2020-03-30 | 2021-10-01 | 海南博川电力设计工程有限公司 | 一种电力***短期电力负荷的预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680261A (zh) * | 2015-03-16 | 2015-06-03 | 朗新科技股份有限公司 | 基于重点大客户负荷曲线聚类的电力负荷运行控制方法 |
CN105825298A (zh) * | 2016-03-14 | 2016-08-03 | 梁海东 | 一种基于负荷特性预估的电网计量预警***及方法 |
CN106055592A (zh) * | 2016-05-20 | 2016-10-26 | 浙江大学 | 一种地图中电力***电压或负荷的监控方法 |
CN106447158A (zh) * | 2016-08-27 | 2017-02-22 | 李亚林 | 一种电能计量信息监管***及方法 |
-
2019
- 2019-11-04 CN CN201911063777.1A patent/CN110889019A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680261A (zh) * | 2015-03-16 | 2015-06-03 | 朗新科技股份有限公司 | 基于重点大客户负荷曲线聚类的电力负荷运行控制方法 |
CN105825298A (zh) * | 2016-03-14 | 2016-08-03 | 梁海东 | 一种基于负荷特性预估的电网计量预警***及方法 |
CN106055592A (zh) * | 2016-05-20 | 2016-10-26 | 浙江大学 | 一种地图中电力***电压或负荷的监控方法 |
CN106447158A (zh) * | 2016-08-27 | 2017-02-22 | 李亚林 | 一种电能计量信息监管***及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469396A (zh) * | 2020-03-30 | 2021-10-01 | 海南博川电力设计工程有限公司 | 一种电力***短期电力负荷的预测方法 |
CN113378911A (zh) * | 2021-06-08 | 2021-09-10 | 北京百度网讯科技有限公司 | 图像分类模型训练、图像分类方法及相关装置 |
CN113378911B (zh) * | 2021-06-08 | 2022-08-26 | 北京百度网讯科技有限公司 | 图像分类模型训练、图像分类方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
de Souza et al. | Mapping and discrimination of soya bean and corn crops using spectro-temporal profiles of vegetation indices | |
Stauffer et al. | Somewhere over the rainbow: How to make effective use of colors in meteorological visualizations | |
Van Zanten et al. | Preferences for European agrarian landscapes: A meta-analysis of case studies | |
Korcaj et al. | Intentions to adopt photovoltaic systems depend on homeowners' expected personal gains and behavior of peers | |
CN110889019A (zh) | 一种电力负荷的图形化描述新方法 | |
Heckel | Reconsidering production organization in the Early Upper Palaeolithic: The case for specialized production of Aurignacian beads | |
CN111639675A (zh) | 一种基于随机森林的smap土壤水分降尺度方法 | |
Wang et al. | Spatial and temporal variation of offshore wind power and its value along the Central California Coast | |
Wästfelt et al. | Local spatial context measurements used to explore the relationship between land cover and land use functions | |
CN115658776A (zh) | 联合多源数据生成全国1km碳排放空间分布图的方法 | |
CN111062260A (zh) | 一种面部整容推荐方案自动生成方法 | |
CN116386498A (zh) | 一种量化评估数据集构造方法、装置及设备 | |
Senkpiel et al. | Systemic evaluation of the effects of regional self-supply targets on the German electricity system using consistent scenarios and system optimization | |
Sanders | Neural networks, AI, phone-based VR, machine learning, computer vision and the CUNAT automated translation app–not your father’s archaeological toolkit | |
CN102663548A (zh) | 一种社会管理信息计分实现方法及*** | |
Wang et al. | Modelling the spatial dynamics of Mainland China-born migrants in Australia | |
CN112288656A (zh) | 一种基于夜光遥感的电力消费量时空动态分析方法 | |
Henley et al. | Incorporating Applied Undergraduate Research in Senior to Graduate Level Remote Sensing Courses. | |
Stemmer et al. | GIS-landscape quality assessment using social media data | |
Mead et al. | Environmental condition in British moorlands: quantifying the life cycle of Calluna vulgaris using UAV aerial imagery | |
Larasati et al. | Exploring The Current State Of Lean Practices In The Agri-Food Supply Chain: A Systematic Literature Review | |
Simon-Liedtke et al. | Spatial intensity channel replacement daltonization (sicharda) | |
Bonenberg | Success analysis in architectural design competitions in terms of design quality | |
Miralles et al. | Improved visualization of large temporal series for the evaluation of good environmental status | |
CN112835965B (zh) | 基于多普勒雷达强对流天气的电网设备故障预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200317 |