基于多模态数据的区域用电状态评估与预测方法及系统与流程

本发明涉及数据处理，具体而言，涉及基于多模态数据的区域用电状态评估与预测方法及系统。

背景技术：

1、电力负荷数据具有高频采集、全域覆盖和用电类别精确统计等优势，在区域用电状态分析与评估中具有重要应用价值。然而，现有基于电力数据的分析与评估技术仍存在不足：在高维指标处理方面，k均值聚类等传统算法存在聚类中心随机初始化导致结果不稳定、聚类数量需人工预设、无法自动剔除噪声指标的问题；在权重确定方面，主观赋权法依赖专家经验、受个人偏好影响，客观赋权法忽视指标间冲突性，简单线性组合缺乏均衡机制，权重结果易产生偏差。因此，亟需一种能够融合多模态电力数据、实现用电状态客观评估的方法及系统。

技术实现思路

1、本发明的目的在于提供基于多模态数据的区域用电状态评估与预测方法及系统，以改善上述问题。

2、为了实现上述目的，本申请实施例提供了如下技术方案：

3、一方面，本申请实施例提供了基于多模态数据的区域用电状态评估与预测方法，所述方法包括：

4、获取目标区域在预设时段内逐月记录的各行业用电数据序列和气象数据序列；

5、对每一序列进行缺失值和降噪处理，得到标准化序列；

6、从所有标准化序列中选取聚类中心，根据聚类中心对全部的标准化序列进行聚类，根据聚类结果从全部的标准化序列中选取有效序列；

7、根据有效序列计算目标区域的电力综合状态指数时间序列，利用目标区域的电力综合状态指数时间序列对未来时段的电力综合状态指数进行预测。

8、第二方面，本申请实施例提供了基于多模态数据的区域用电状态评估与预测系统，所述系统包括：

9、获取模块，用于获取目标区域在预设时段内逐月记录的各行业用电数据序列和气象数据序列；

10、处理模块，用于对每一序列进行缺失值和降噪处理，得到标准化序列；

11、聚类模块，用于从所有标准化序列中选取聚类中心，根据聚类中心对全部的标准化序列进行聚类，根据聚类结果从全部的标准化序列中选取有效序列；

12、预测模块，用于根据有效序列计算目标区域的电力综合状态指数时间序列，利用目标区域的电力综合状态指数时间序列对未来时段的电力综合状态指数进行预测。

13、第三方面，本申请实施例提供了基于多模态数据的区域用电状态评估与预测设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述基于多模态数据的区域用电状态评估与预测方法的步骤。

14、第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于多模态数据的区域用电状态评估与预测方法的步骤。

15、本发明的有益效果为：

16、1、本发明将小波阈值降噪与密度峰值自适应dbscan算法相结合，实现了高维电力指标的客观降维筛选。该方法通过局部密度与高最近密度点距离确定聚类簇中心，无需人工预设聚类数量；通过轮廓系数最大化自动寻优邻域半径，自动识别并剔除噪声指标，克服了传统k均值聚类结果不稳定、无法识别噪声指标的缺陷，确保指标筛选结果客观和稳定。

17、2、本发明采用鲁棒变分自编码器提取用电状态因子，通过多层非线性变换刻画电力指标之间的非线性耦合关系，并通过huber损失增强模型对异常数据的抗干扰能力；在赋权阶段，将critic客观权重与gra灰色关联权重通过博弈均衡模型融合，兼顾指标的区分度与冲突性，克服了主观赋权受个人偏好影响、客观赋权忽视指标冲突性的问题，使电力综合状态指数的确定更加科学合理。

18、3、本发明在获得电力综合状态指数时间序列的基础上，采用季节自回归积分滑动平均模型进行滚动预测，并构建了基于预测值的分级预警机制。通过设定正常波动区间，根据预测值偏离正常区间的幅度和持续月数，自动触发不同等级的预警信号并输出预警信息，实现了从用电状态量化评估到趋势预测再到异常预警的完整闭环。

19、本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

1.基于多模态数据的区域用电状态评估与预测方法，其特征在于，包括：

2.根据权利要求1所述的基于多模态数据的区域用电状态评估与预测方法，其特征在于，对每一序列进行缺失值和降噪处理，得到标准化序列，包括：

3.根据权利要求1所述的基于多模态数据的区域用电状态评估与预测方法，其特征在于，从所有标准化序列中选取聚类中心，包括：

4.根据权利要求3所述的基于多模态数据的区域用电状态评估与预测方法，其特征在于，根据聚类中心对全部的标准化序列进行聚类，根据聚类结果从全部的标准化序列中选取有效序列，包括：

5.根据权利要求4所述的基于多模态数据的区域用电状态评估与预测方法，其特征在于，从全部的候选邻域半径中筛选出最优邻域半径，包括：

6.基于多模态数据的区域用电状态评估与预测系统，其特征在于，包括：

7.根据权利要求6所述的基于多模态数据的区域用电状态评估与预测系统，其特征在于，处理模块，包括：

8.根据权利要求6所述的基于多模态数据的区域用电状态评估与预测系统，其特征在于聚类模块，包括：

9.根据权利要求8所述的基于多模态数据的区域用电状态评估与预测系统，其特征在于，聚类模块，包括：

10.根据权利要求9所述的基于多模态数据的区域用电状态评估与预测系统，其特征在于，筛选单元，包括：