一种基于多源数据融合的用电负荷分析方法及系统

1.一种基于多源数据融合的用电负荷分析方法，其特征在于，包括：获取目标区域在预设时间段内的负荷数据序列以及气象数据序列；基于所述气象数据序列，采用预设的数据插补策略对所述负荷数据序列进行插补操作，得到目标负荷数据序列，其中，数据插补策略包括：将待修复的负荷子序列及其候选镜像段分解为趋势项与残差项，并专门在残差项层面计算皮尔逊相关系数以衡量形态相似度；选定最佳镜像段后，基于已知数据点建立最佳镜像段的残差与待修复段残差之间的线性回归关系，并对镜像段在缺失点位置的残差进行定量缩放与平移，从而生成残差估计值；将残差估计值与从待修复段自身局部上下文提取出的趋势项相加，以完成数据插补；根据预设的负荷数据划分规则对所述目标负荷数据序列进行拆分，得到至少一个目标负荷数据子序列，其中，目标负荷数据子序列中其他目标负荷数据与第一目标负荷数据之间的负荷变化率均不大于预设变化率阈值，所述其他目标负荷数据为目标负荷数据子序列中除去第一目标负荷数据之后的任一目标负荷数据；确定与所述各个目标负荷数据子序列相对应的目标气象数据，根据所述目标气象数据和各个目标负荷数据子序列的数据数量，采用预设的数据聚类策略对所述至少一个目标负荷数据子序列进行聚类，得到至少一个目标负荷数据子序列集合；在某一目标负荷数据子序列集合中抽取某一目标负荷数据子序列，并将所述某一目标负荷数据子序列输入至预设的用电负荷分析模型中，所述用电负荷分析模型输出与所述某一目标负荷数据子序列相对应的某一负荷分析结果；根据所述某一负荷分析结果确定所述某一目标负荷数据子序列集合中其他目标负荷数据子序列的其他负荷分析结果，其中，所述其他目标负荷数据子序列为所述某一目标负荷数据子序列集合中除去某一目标负荷数据子序列之后的任一目标负荷数据子序列。 2.根据权利要求1所述的一种基于多源数据融合的用电负荷分析方法，其特征在于，所述基于所述气象数据序列，采用预设的数据插补策略对所述负荷数据序列进行插补操作，得到目标负荷数据序列包括：判断所述负荷数据序列中是否存在负荷数据缺失点；若不存在，则直接将所述负荷数据序列定义为所述目标负荷数据序列；若存在某一负荷数据缺失点，则在所述负荷数据序列中，以所述某一负荷数据缺失点为中心，向两端扩展直至遇到预设数量的已知数据点或序列边界，得到截取数据段，并将所述截取数据段定义为某一负荷数据子序列；在所述负荷数据序列中，遍历所有不包含负荷数据缺失点且长度与所述某一负荷数据子序列相同的完整数据段，作为候选镜像段，并计算所述某一负荷数据子序列与各个候选镜像段之间的形态相似度，具体包括：对所述某一负荷数据子序列进行去中心化处理，然后使用滑动平均法或局部加权散点平滑法提取所述某一负荷数据子序列的某一趋势项序列，并将所述某一负荷数据子序列与所述某一趋势项序列相减，得到所述某一负荷数据子序列的某一残差项序列；计算所述某一负荷数据子序列的某一残差项序列与某一候选镜像段的某一候选残差项序列之间的某一皮尔逊相关系数，并将某一皮尔逊相关系数的绝对值定义为所述某一负荷数据子序列与所述某一候选镜像段之间的某一形态相似度；选择与所述某一负荷数据子序列形态相似度最高的候选镜像段作为目标镜像段，并根据所述目标镜像段与所述某一负荷数据子序列在对应位置上的已知数据的比例关系，对所述目标镜像段的目标残差序列进行缩放与平移，生成所述某一负荷数据缺失点处的某一负荷残差估计值；将所述某一负荷残差估计值与所述某一负荷数据子序列在某一负荷数据缺失点处的趋势项相加，得到所述某一负荷数据缺失点处的初步插补值；计算所述某一负荷数据缺失点所在时刻的某一气象状态与所述目标镜像段对应时刻的目标气象状态的某一相似度；若某一相似度低于预设阈值，则基于所述某一气象状态与所述目标气象状态对所述初步插补值进行调整，得到最终插补值；若某一相似度不低于所述预设阈值，则直接将所述初步插补值确定为最终插补值；根据所述最终插补值对所述某一负荷数据缺失点进行数据插补。 3.根据权利要求2所述的一种基于多源数据融合的用电负荷分析方法，其特征在于，所述根据所述目标镜像段与所述某一负荷数据子序列在对应位置上的已知数据的比例关系，对所述目标镜像段的目标残差序列进行缩放与平移，生成所述某一负荷数据缺失点处的某一负荷残差估计值包括：将所述某一负荷数据子序列中已知数据点的位置与所述目标镜像段的对应位置对齐；基于所有对齐的已知数据点对，建立所述某一负荷数据子序列已知数据点的残差值与所述目标镜像段对应位置残差值之间的线性回归关系；根据所述线性回归关系的斜率和截距参数，对所述目标镜像段在所述某一负荷数据缺失点对应位置的残差值进行缩放与平移，得到所述某一负荷数据缺失点的某一负荷残差估计值。 4.根据权利要求1所述的一种基于多源数据融合的用电负荷分析方法，其特征在于，所述第一目标负荷数据为所述目标负荷数据子序列中的第一个目标负荷数据，所述其他目标负荷数据为所述目标负荷数据子序列中除去所述第一目标负荷数据的任一目标负荷数据；所述根据预设的负荷数据划分规则对所述目标负荷数据序列进行拆分，得到至少一个目标负荷数据子序列包括：从所述目标负荷数据序列的第一个数据点开始，将所述第一个数据点作为当前目标负荷数据子序列的起始点，以及将所述第一个数据点对应的目标负荷数据作为所述当前目标负荷数据子序列的第一目标负荷数据；按时间先后顺序将所述目标负荷数据序列的下一个数据点作为待判定数据点，计算待判定数据点对应的待判定目标负荷数据与所述当前目标负荷数据子序列的第一目标负荷数据之间的负荷变化率；判断所述负荷变化率是否不大于所述预设变化率阈值；若不大于所述预设变化率阈值，则将所述待判定数据点归入所述当前目标负荷数据子序列，并继续读取下一个数据点进行判定；若大于所述预设变化率阈值，则将所述当前目标负荷数据子序列进行封存，并将所述待判定数据点作为下一目标负荷数据子序列的起始点，以及所述待判定数据点对应的目标负荷数据作为下一目标负荷数据子序列的第一目标负荷数据；遍历完所述目标负荷数据序列中的所有数据点，最终输出所述至少一个目标负荷数据子序列。 5.根据权利要求1所述的一种基于多源数据融合的用电负荷分析方法，其特征在于，所述确定与所述各个目标负荷数据子序列相对应的目标气象数据包括：获取某一目标负荷数据子序列的某一起始时间戳和某一结束时间戳；根据所述某一起始时间戳和所述某一结束时间戳，从所述气象数据序列中截取对应时段的所有气象数据点，构成某一原始气象数据片段；计算所述某一原始气象数据片段中各个气象数据的时间加权平均值，作为所述某一目标负荷数据子序列对应的某一目标气象数据，其中，所述时间加权平均值的权重分配规则为：越靠近所述某一目标负荷数据子序列中点的气象数据被赋予越高的权重。 6.根据权利要求1所述的一种基于多源数据融合的用电负荷分析方法，其特征在于，所述根据所述目标气象数据和各个目标负荷数据子序列的数据数量，采用预设的数据聚类策略对所述至少一个目标负荷数据子序列进行聚类，得到至少一个目标负荷数据子序列集合包括：根据各个目标负荷数据子序列的数据数量，将数据数量相同的所有目标负荷数据子序列划分至同一个初始序列组，得到至少一个初始序列组；将某一初始序列组内的所有目标负荷数据子序列，按照目标负荷数据子序列对应的目标气象数据的数值，进行升序或降序排列，形成某一序列列表；设定一个初始分组窗口大小，根据所述初始分组窗口大小将所述某一序列列表顺序划分为若干个连续的初始子组；计算第一初始子组对应的第一目标气象数据平均值与第二初始子组对应的第二目标气象数据平均值之间的气象差值，并判断所述气象差值是否大于预设差值阈值，其中，所述第一初始子组和所述第二初始子组为若干个连续的初始子组中相邻的两个初始子组；若气象差值不小于预设的预设差值阈值，则不将所述第一初始子组和所述第二初始子组进行合并；若气象差值小于预设的预设差值阈值，则将所述第一初始子组和所述第二初始子组合并得到第一目标子组；计算所述第一目标子组中所有目标负荷数据子序列对应的目标气象数据的最大值与最小值之差，即气象值极差，并判断所述气象值极差是否大于预设的分裂阈值；若所述气象值极差不大于所述分裂阈值，则直接将所述第一目标子组定义为新的目标子组；若所述气象值极差大于所述分裂阈值，则在所述第一目标子组内，按照目标气象数据的中位数或均值，将所述第一目标子组分裂为两个新的目标子组，并将同一目标子组内的各个目标负荷数据子序列划分至同一目标负荷数据子序列集合，即得到所述至少一个目标负荷数据子序列集合。 7.根据权利要求1所述的一种基于多源数据融合的用电负荷分析方法，其特征在于，所述在某一目标负荷数据子序列集合中抽取某一目标负荷数据子序列包括：计算所述某一目标负荷数据子序列集合中所有目标负荷数据子序列对应的目标气象数据的平均值，作为集合气象中心值；确定与所述集合气象中心值最接近的某一目标气象数据，并在所述某一目标负荷数据子序列集合中抽取与所述某一目标气象数据相对应的所述某一目标负荷数据子序列。 8.根据权利要求1所述的一种基于多源数据融合的用电负荷分析方法，其特征在于，所述根据所述某一负荷分析结果确定所述某一目标负荷数据子序列集合中其他目标负荷数据子序列的其他负荷分析结果包括：将与所述某一目标负荷数据子序列相对应的某一负荷分析结果定义为基准分析结果，以及将与所述某一目标负荷数据子序列相对应的某一目标气象数据定义为基准气象数据；获取其他目标负荷数据子序列对应的其他目标气象数据，并计算所述其他目标气象数据与所述基准气象数据之间的差值，得到其他气象差异值；根据预设的负荷修正系数，将所述其他气象差异值转换为对所述基准分析结果的其他预期调整量，并将所述其他预期调整量与所述基准分析结果相结合，生成所述其他目标负荷数据子序列的其他负荷分析结果。 9.一种基于多源数据融合的用电负荷分析系统，其特征在于，包括：获取模块，配置为获取目标区域在预设时间段内的负荷数据序列以及气象数据序列；处理模块，配置为基于所述气象数据序列，采用预设的数据插补策略对所述负荷数据序列进行插补操作，得到目标负荷数据序列，其中，数据插补策略包括：将待修复的负荷子序列及其候选镜像段分解为趋势项与残差项，并专门在残差项层面计算皮尔逊相关系数以衡量形态相似度；选定最佳镜像段后，基于已知数据点建立最佳镜像段的残差与待修复段残差之间的线性回归关系，并对镜像段在缺失点位置的残差进行定量缩放与平移，从而生成残差估计值；将残差估计值与从待修复段自身局部上下文提取出的趋势项相加，以完成数据插补；拆分模块，配置为根据预设的负荷数据划分规则对所述目标负荷数据序列进行拆分，得到至少一个目标负荷数据子序列，其中，目标负荷数据子序列中其他目标负荷数据与第一目标负荷数据之间的负荷变化率均不大于预设变化率阈值，所述其他目标负荷数据为目标负荷数据子序列中除去第一目标负荷数据之后的任一目标负荷数据；聚类模块，配置为确定与所述各个目标负荷数据子序列相对应的目标气象数据，根据所述目标气象数据和各个目标负荷数据子序列的数据数量，采用预设的数据聚类策略对所述至少一个目标负荷数据子序列进行聚类，得到至少一个目标负荷数据子序列集合；输出模块，配置为在某一目标负荷数据子序列集合中抽取某一目标负荷数据子序列，并将所述某一目标负荷数据子序列输入至预设的用电负荷分析模型中，所述用电负荷分析模型输出与所述某一目标负荷数据子序列相对应的某一负荷分析结果；确定模块，配置为根据所述某一负荷分析结果确定所述某一目标负荷数据子序列集合中其他目标负荷数据子序列的其他负荷分析结果，其中，所述其他目标负荷数据子序列为所述某一目标负荷数据子序列集合中除去某一目标负荷数据子序列之后的任一目标负荷数据子序列。