[0001] 本发明涉及电力网上营业客户端技术领域，具体涉及基于云计算的电力网上营业客户端及管理方法。

[0002] 电网客户端是统一的线上服务入口和泛在电力物联网的主入口，集“住宅、电动车、店铺、企事业、新能源”五大服务场景于一体，为用户提供办电交费、报修投诉、电动汽车找桩充电、光伏一站式服务、能源金融等多元化的电力综合服务，满足用户的全方位、个性化的电力需求。其中，住宅场景，主要服务低压居民客户，聚焦交费、办电等基础性功能，辅助用能分析、积分、商城等特色化服务；电动车场景，主要服务电动汽车用户，注重充值、找桩充电、一网通办等专业化服务；店铺场景，主要服务低压非居民客户，除提供交费、办电等基础性服务外，侧重电费账单、用能分析、电费金融等专属化服务；企事业场景，主要服务于高压客户，强化用电负荷、电子发票、能效诊断等专业化服务；新能源场景，主要服务于光伏客户，提供建站咨询、光伏报装、上网电费及补贴结算等特色服务。

[0003] 然而，以往客户端存在远程中央计算机本地存储用户数据，随着使用用户的增多、用户使用年限的增长，会导致本地存储空间有限，现有技术中出现了基于云计算的电力网上管理或营业客户端，如申请号为CN202410155166.4、CN202110706829.3的中国发明专利申请文件等。然而，现有技术中的云计算电力营业客户端无法针对于用户数据进行实时用电量分析，并进行用户画像的刻画以及分类，形成对于不同供电能力情况下，采用不同指标分类的用户画像群体，进而动态调整供电量。此外，对于实时采集的原始数据，一般均为进行归一化简单去除环境噪声后就进行用电量的计算，并不能对于电网中的谐波造成的电流信号和电压信号的畸形进行谐波补偿后得到平滑的电流信号和电压信号进行用电量分析和预测，导致了分析结果出现了偏差。

[0087] 现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

[0088] 如图1所示，为本发明提供的一种基于云计算的电力网上营业客户端管理方法的流程示意图，方法包括以下步骤；

[0089] S1：实时采集配电网的电信号，并在端点插值条件、连续性条件以及边界条件的限定下对其进行预处理后进行谐波检测；

[0090] S2：对检测得到的谐波进行谐波补偿，并控制多个谐波的动态补偿信号注入至配电网中，得到预处理后的电信号Yk(f)经过多个谐波动态补偿后的矫正电信号Yk(t)；

[0091] S3：根据S2步骤的谐波补偿后的电信号形成多个用户画像，对多个用户画像进行分类；

[0092] S4：根据分类得到的不同用户画像群体，动态调整供电量。

[0093] 在电力系统中，谐波是由非线性负载等原因引起的，会对电力设备和系统的稳定性产生不利影响。传统的谐波分析方法，如傅里叶变换，虽然能够有效识别谐波分量，但在处理非平稳信号或谐波复杂度较高的信号时，效果有限。因此，作为本发明的另个一优选实施例，S1步骤包括以下步骤：

[0094] S11：实时采集配电网的电信号，电信号包括电压信号和电流信号，获取原始离散的电信号xk(n)，n代表第n个离散采样点，n＝1，2，...，Nk；

[0095] S12：对S11步骤实时采集到的电信号xk(n)进行插值预处理，得到预处理后的电信号Xk(p)；p代表进行插值预处理后能够形成平滑曲线的电信号的第N个离散点，p＝1，2，...，Pk；Pk为进行插值预处理后能够形成平滑曲线的电信号的离散点总数；Pk>Nk；

[0096] S13：为了捕捉S12步骤预处理后的电信号Xk(p)不同频率和时间尺度的谐波分量，构建窗函数ωk(p)，窗函数ωk(p)的窗口长度为Pk，即窗函数与S22步骤预处理后的电信号卷积时的离散点总数；k＝i或u；当k＝i时，ωi(p)为处理电流信号的窗函数；当k＝u时，ωu(p)为处理电压信号的窗函数；

[0097] S14：将S12步骤预处理后的电信号Xk(p)与S22步骤构建的相应的窗函数进行卷积运算，计算卷积结果yk(p)：

[0098]

[0099] 其中，q＝1，12，..，Pk；即q也是预处理后的电信号离散点中的一点；

[0100] S15：对S14步骤得到的卷积结果进行短时傅里叶变换，得到以频率f为自变量的预处理后的电信号的频域值Yk(f)，并据此进行频域分析，进行短时傅里叶变化的计算公式如下：

[0101]

[0102] 其中，f为经过短时傅里叶变换转换得到的预处理后的电信号的频域值Yk(f)的频率；通过S25步骤短时傅里叶变化，可以得到预处理后的电信号Xk(p)中谐波的频率响应Yk(f)，进而通过分析Yk(f)的峰值和频谱形态，识别出谐波的频率分布和幅度

[0103] S16：对S15步骤得到的预处理后的电信号的频域值进行谐波检测，检测得到的多个谐波的数据中第e个谐波的谐波频率为fw，e(t)，谐波幅值为Aw，e(t)以及谐波相位为φw，e(t)，其中t为经过S15步骤短时傅里叶变换转换后在频域内的第t时刻；e＝1，2，...，E；即检测得到的谐波数量共有E个，w代表谐波基波。

[0104] 多卷积窗函数是一种能够在时频域同时局部化处理信号的强大工具，可以有效提取谐波特征，对电压信号或/和电流信号进行去噪和标准化处理，以消除配电网运行环境不稳定引起的谐波噪声，提高分析的准确性。适应不同的频率范围和时间窗口。本发明提出一种基于多卷积窗函数的谐波检测方法，通过设计不同类型和宽度的窗函数，并将其与电力信号进行卷积运算，从而提取出各阶谐波分量，并根据不同窗函数的响应对谐波进行分析与抑制。

[0105] 其中，S12步骤处理电压信号的窗函数为：

[0106]

[0107] S12步骤处理电流信号的窗函数为：

[0108]

[0109] 其中，εk是控制窗函数形状的参数，当k＝u时，εu＝0.5；当k＝i时，

[0110] 4.根据权利要求2的基于云计算的电力网上营业客户端管理方法，其特征在于，S12步骤中对S11步骤实时采集到的电信号xk(n)进行插值预处理，得到预处理后的电信号Xk(p)，包括以下步骤：

[0111] S121：构建离散点电信号集合G：

[0112] G＝{(1，xk(1))，(2，xk(2))，...，(n，xk(n))，...，(Nk‑1，xk(Nk‑1))}；

[0113] S122：对S221步骤构建的离散点电信号集合G中任意两个数据(n，xk(n))和(n+1，xk(n+1))，构建插值点电信号求解方程：

[0114] Xk(p)＝an(p‑n)3+bn(p‑n)2+cn(p‑n)+dn，其中，an为第一系数，bn为第二系数，cn为第三系数，dn为电信号求解误差值；an、bn、cn和dn均为待确定的未知数；

[0115] S123：在端点插值条件、连续性条件以及边界条件的限定下，求解S122步骤构建的插值点电信号求解方程的第一系数an、第二系数bn、第三系数cn和电信号求解误差值dn；

[0116] 求解过程中，构建求解方程组：

[0117]

[0118] 其中，hn‑1为第一求解系数，hn‑1＝x′k(n‑1)‑x′k(n)；hn为第二求解系数，hn＝x′k(n)‑x′k(n‑1)；hn+1为第三求解系数，hn+1＝x′k(n+1)‑x′k(n)；x′k(n)即为对实时采集得到的原始离散的电信号xk(n)求解相对于n的一阶导， x′k(n+1)和x′k(n‑1)也代表同样的计算方式；mn‑1为第一方程组自变量， mn为第二方程组自变
量， 即求解Xk(p)相对于n的二阶导；mn+1为第三方程组自变量，

[0119] 端点插值条件如下：Xk(n)＝xk(n)，Xk(n+1)＝xk(n+1)

[0120] 连续性条件如下：由于Pk个预处理后的电信号数据Xk(p)是由Nk原始离散的电信号xk(n)经过插值Pk‑Nk个插值点并与原始的xk(n)进行逐个时间点的组合形成的，因此，连续性条件的限定结果为Xk(n)＝xk(n)；

[0121] 边界条件如下：

[0122] S124：对于(Pk‑Nk)个插值点，重复S221‑S223步骤，求解得到Nk个原始离散的电信号xk(n)中所有的插值点电信号Xk(p)。

[0123] 谐波的精确分析对于客户端所掌握的有关于反应电能质量的监测和系统稳定性的数据准确性至关重要。然而，在实际采样过程中，由于采样率的限制或者噪声干扰，采样点可能分布不均或者不够密集，导致谐波分析的精度下降。插值是一种有效的对于采样点帆布不均或不够密集的信号曲线具有尖锐拐点二不够平滑的处理方法，可以通过在已知采样点之间构建平滑曲线，精确重构信号，从而提高谐波分析的精度。通过对电力系统中已采集的电流或电压信号进行插值，对原始离散的电信号xk(n)进行重构信号，得到.插值点电信号Xk(p)，并基于此平滑曲线进一步分析谐波特性，能够准确地确定原始离散电信号中谐波成分的幅值和频率信息，从而改善谐波检测的精度和分辨率。

[0124] 谐波是由非线性负载(如电子设备、变频器等)引起的，它们扭曲电流和电压波形，产生频谱中的谐波成分。此外，谐波会影响电力系统的功率因数，导致功率因数降低。因此，有必要对检测得到的谐波进行谐波补偿。因此，作为本发明的另一个优选实施例，S2步骤中对谐波进行补偿的方法包括以下步骤：

[0125] S21：根据S16步骤确定得到的第e个谐波频率fw，e(t)、谐波幅值Aw，e(t)以及谐波相位φw，e(t)，确定第e个谐波的动态补偿信号的幅值Acom，e(t)、相位φcom，e(t)以及频率fcom，e(t)：

[0126] Acom，e(t)＝Aw，e(t)；φcom，e(t)＝φw，e+π；fcom，e(t)＝fh，e(t)；

[0127] S22：对多个谐波均进行S21步骤的谐波的动态补偿信号的确定；

[0128] S23：根据S22步骤得到的多个谐波的动态补偿信号，控制多个谐波的动态补偿信号注入配电网中；

[0129] S24：经过多个谐波的动态补偿，得到含有共E个谐波的预处理后的电信号Yk(f)经过多个谐波动态补偿后的矫正电信号Yk(t)：

[0130]

[0131] 其中，Ak,0(t)为经过预处理后的电信号的基波幅值；k＝i或u，Yi(t)为经过多个谐波动态补偿后的矫正电流信号，Yu(t)为经过多个谐波动态补偿后的矫正电压信号。

[0132] 通过谐波补偿，可以改善功率因数，减少无功功率的消耗；因此，对特定频率fh的谐波进行谐波补偿，以抵消频率为fh(其谐波幅值为Ah以及谐波相位为φh)对实时采集到的电压信号和电流信号的影响，进而通过谐波补偿避免了不补偿谐波所带来的电压信号和电流信号畸形，导致后续用户画像群体分类不准确的现象发生。

[0133] 作为本发明的另一个优选实施例，S3步骤构建用户画像群体的方法包括以下步骤：

[0134] S31：计算被监测时段T内矫正电流信号Yi(t)和所说矫正电压信号Yu(t)的矫正电流平均值Yi，avg(t)、矫正电压平均值Yu，avg(t)以及矫正电流方差σi、矫正电压方差σu；t＝1，2，...，T；

[0135] S31步骤计算计算被监测时段T内矫正电流信号Yi(t)和所说矫正电压信号Yu(t)的矫正电流平均值Yi，avg(t)、矫正电压平均值Yu，avg(t)以及矫正电流方差σi、矫正电压方差σu的公式分别如下：

[0136]

[0137]

[0138] S32：根据S31步骤的计算结果，计算用户的用电功率因数PF：

[0139]

[0140]

[0141] 用户的用电功率因数可以有效地反应用户的用电效率；

[0142] S33：根据S31步骤的计算结果，计算用户在被监测时段T内的最大电流值Yi，peak和最大电压值Yu，peak：

[0143] Yi，peak＝max|T(Yi(t))；max|T(Yi，avg(t))为取在被监测时段T内的所有时刻电流值中的最大值函数；

[0144] Yu，peak＝max|T(Yu(t))；max|T(Yu(t))为取在被监测时段T内的所有时刻电压值中的最大值函数；

[0145] S34：确定用户在被监测时段T内的高峰用电时段Tpeak；Tpeak＝td‑tc；td为高峰用电时段结束时刻，tc为高峰用地时段开始时刻，tc∈{1，2，...，T}，td∈{1，2，...，T}，且T≥td>tc≥1；

[0146] S35：根据S31步骤至S34步骤结果，构建用户画像向量R：

[0147] R＝[Yi，avg(t)，Yu，avg(t)，σi，σu，PF，Yi，peak，Yu，peak，Tpeak]；

[0148] S36：选择S35步骤中构建的用户画像向量R中的一个参数作为分类指标，对用户画像向量进行分类。通过分析用户的电流、电压历史数据，并进一步分类得到不同的用户画群体像，从而为个性化服务、需求侧管理等应用提供支持。通过对用户群体进行细分，客户能够更精准地识别不同用户群体的用电需求和行为特征，从而提供更加个性化的服务。例如，办公楼群体可能更关注9：00至18：00的供电的稳定性和可靠性，而居民区可能更关注电价和基本用电需求。

[0149] 此外了解不同用户群体的用电模式和需求，可以更有效地分配电网资源，提高电网的运行效率和供电质量。例如，对于高耗能的工业区，可能需要更高的供电保障和更稳定的电力供应。用户画像可以帮助电力公司预测和应对不同用户群体的用电变化，从而提升配电网的灵活性和适应性。例如，通过分析用户的用电习惯，可以预测用电高峰时段，提前进行电网负荷调整。

[0150] S36步骤包括以下步骤：

[0151] S361：选择用户画像向量中的一个参数，并根据该参数选择聚类数S，将多个用户的用户画像向量R分为不同的组Gs；Gs为第s组用户画像向量，s＝1，2，...，S；用户画像向量R的总数为Z个，Rz为第z个用户画像向量；

[0152] S362：随机选择每组用户画像向量的初始聚类中心：Ce1，Ce2，...Ces，...，CeS；Ces为第s组用户画像向量Gs的中心用户画像向量；

[0153] S363：计算第z个用户画像向量Rz与第s组用户画像向量Gs的中心用户画像向量Ces的欧式距离：其中og为用户画像向量R的第g个参数， 为以第g个参数og作为指标时的第z个用户画像
向量， 为以第g个参数og作为指标时的第s组用户画像向量Gs的中心用户画像向量；

[0154] o1为Yi，avg(t)；o2为Yu，avg(t)；o3为σi；o4为σu；o5为PF；o6为Yi，peak；o7为Yu，peak；o8为Tpeak；

[0155] S364：根据S363的计算结果，将第z个用户画像向量分配到与其最近的中心用户画像向量Cel所在的第I组用户画像向量Gl，l∈{1，2，...，S}；

[0156] 即若D(Rz，Cel)＝min｛D(Rz，Ce1)，D(Rz，Ce2)，...，D(Rz，CeS)}，则Rz∈Gl；

[0157] S365：对于每组用户画像向量，重新定位计算其聚类中心，得到聚类中心更新值：

[0158]

[0159] 其中，Ce′l为重新定位计算得到的第I组用户画像向量Gl的聚类中心更新至，Num(Gl)为计算第I组用户画像向量Gl中所含有的用户画像向量Rz的总数的函数；

[0160] S366：重复S363‑S365步骤，直至聚类中心更新迭代阈值Q小于0.135，则停止迭代，用户画像分类完成；

[0161]

[0162] S4步骤中根据分类得到的不同用户画像群体，动态调整供电量，包括以下步骤：

[0163] S41：计算根据用户画像向量分类得到的每组用户的负荷功率：

[0164]s
其中，Yi (t)为第s组用户的矫正电流平均值， 为第s组用户的矫正电压平均值，
PFs为第s组用户的功率因数； 为计算第s组用户中所有用户的用
功率因数PF进行加权乘法，进而对用电效率进行归一化后的用电功率计算；Powers代表第s组用户中所有用户总净用电负荷功率；

[0165] S42：若实时监测的第s组用户中的第z个用户的电流信号经过S1步骤预处理后得到的矫正电流信号 超出第s组用户中的第z个用户的实时电流限定阈值
(即当号 时)，则调节下一时刻的实时供电电压 进
而降低供电量(即降低供给第s组中第z个用户的可用负荷功率值)。

[0166] S42步骤中调节下一时刻的实时供电电压 的计算公式如下：

[0167]

[0168]

[0169] 其中， 为实时监测的第s组用户中的第z个用户的电压信号经过S1步骤预处理后得到的矫正电压信号；ηu为电压调节系数，ηu＝0.63； 为第s组用户中的第z个用户在监测时段T内的最大电流值。

[0170] 如图2所示，本发明还提供一种采用如上述方法的基于云计算的电力网上营业客户端，客户端包括信号采集及谐波检测模块、谐波补偿模块、用户分类模块和供电量管理模块；

[0171] 信号采集及谐波检测模块，用于实时采集配电网的电信号，并在端点插值条件、连续性条件以及边界条件的限定下对其进行预处理后进行谐波检测；

[0172] 谐波补偿模块，用于对检测得到的谐波进行谐波补偿，并控制多个谐波的动态补偿信号注入至配电网中，得到预处理后的电信号Yk(f)经过多个谐波动态补偿后的矫正电信号Yk(t)；

[0173] 用户分类模块，用于据客户用电量形成多个用户画像，多个用户画像进行分类；

[0174] 供电量管理模块，用于根据分类得到的不同用户画像群体，动态调整供电量。

[0175] 上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。

[0176] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

[0177] 最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。