基于用电特性分析的电力增值服务系统

技术领域

本发明涉及电力分析技术领域，具体涉及一种基于用电特性分析的电力增值服务系统。

背景技术

为了确保区域电力市场的稳定运行，需要解决许多公共成本的公平分摊问题，如网损的分摊、发电机启动费用的分摊、市场结算盈余的分摊等。这些公共成本都具有不可解耦的特性，即公共成本的产生与具体的负荷(或发电机)之间并不存在一一对应的关系。因此，电力市场公共成本的公平分摊问题一直是一个有待解决的难点问题。

电力增值服务是以用电客户为中心，提高用电客户的满意度和价值增长的服务，例如电力抢修、运维、能源托管、能效管理等，其中电力维护成本的分摊问题也属于电力增值服务中反映用电客户特性差异的问题，对于一些异常的用电情况，会干扰电力系统的数据模拟关系，使电力系统的数据监测和电力维护成本增高，而这些成本平摊至所有用电客户会导致电力增值服务价格不公平。

发明内容

为了解决电力增值服务价格不公平的问题，本发明提供一种基于用电特性分析的电力增值服务系统，该系统包括以下模块：

数据获取模块，用于在每段预设时长下，采集目标箱变的环境数据组成环境向量；采集目标箱变的功率数据组成用电特性向量；

短期均摊成本获取模块，用于划定短期区间，所述短期区间包括至少两段所述预设时长；获取目标箱变在结算周期的摊薄成本，基于目标箱变的每两个用电特性向量之间的相似度获取对应的短期权值，依据短期权值将所述摊薄成本均摊至每个预设时长，得到一个结算周期的所有短期均摊成本；

长期均摊成本获取模块，用于划定长期区间，所述长期区间包括至少一个所述短期区间；获取每个预设时长对应的最大功率分量，进而获取每个预设时长的长期权值；依据长期权值将所述摊薄成本均摊至每个预设时长，得到一个结算周期的所有长期均摊成本；

基准数据筛选模块，用于将所述用电特性向量与对应的长期均摊成本拼接得到第一向量，将所述用电特性向量和对应的短期均摊成本拼接得到第二向量，分别对所有第一向量和所有第二向量分类，得到第一分类结果和第二分类结果；将第一分类结果中的类别和第二分类结果中的类别相互匹配，并根据长期均摊成本和短期均摊成本的差异、环境向量以及用电特性向量获取对应的相关度；依据相关度筛选基准数据；

成本分摊模块，用于利用基准数据训练分类器进而得到每个箱变在预设时长下的响应值，由响应值大于比例系数的箱变分摊结算周期整体成本的一半，其余箱变分摊结算周期整体成本的一半。

进一步的，所述数据获取模块包括：

环境向量获取单元，用于在每个预设时长下采集目标箱变下沉于地下部分的空气湿度和温度，分别记为第一湿度和第一温度；采集目标箱变顶部空气湿度和温度分别记为第二湿度和第二温度；采集目标箱变的基础低频噪音频点、箱变内外壁的温差；由第一湿度、第一温度、第二湿度、第二温度、基础低频噪音频点以及温差组成每个预设时长下的环境向量。

进一步的，所述数据获取模块包括：

用电特性向量获取单元，用于在每个预设时长下记录目标箱变的有功功率、无功功率、总功率数值、有功功率极差和无功功率极差，以平均有功功率、平均无功功率、平均总功率、有功功率极差和无功功率极差组成对应预设时长下的用电特性向量。

进一步的，所述短期均摊成本获取模块包括：

短期权值获取单元，用于在短期区间内根据目标箱变的每两个用电特性向量之间的相似度对所有用电特性向量进行相似匹配，得到至少一个匹配对；计算匹配对中两个用电特性向量之间的余弦相似度，根据两个用电特性向量之间的时间差和所述余弦相似度获取对应的相似度进而赋予短期权值。

进一步的，所述短期权值获取单元包括：

短期权值计算单元，用于统计所有匹配对对应的余弦相似度，构建余弦相似度直方图；获取余弦相似度直方图的分割阈值，对于大于分割阈值的余弦相似度对应的匹配对，以预设值减去对应的相似度作为对应匹配对的短期权值；对于小于或者等于分割阈值的余弦相似度对应的匹配对，将对应的所有相似度求均值，以预设值减去所述均值的差值作为对应匹配对的短期权值。

进一步的，所述长期均摊成本获取模块包括：

长期权值获取单元，用于通过最大值滤波获取每个预设时长下的最大功率分量，对长期区间内所有的最大功率分量分别进行归一化，得到对应的长期权值。

进一步的，所述基准数据筛选模块包括：

匹配单元，用于以第一分类结果和第二分类结果中类别数量更多的分类结果作为参考结果，获取参考结果中每个类别的权值中值，在非参考结果中搜索到与所述权值中值最接近的权值中值，对应的类别与参考结果中的对应类别构建匹配关系。

进一步的，所述基准数据筛选模块包括：

相关度获取单元，用于对于相互匹配的两个类别，在两个类别中分别获取一个第一向量和一个第二向量，计算对应的长期均摊成本和短期均摊成本的差值绝对值，以及对应的环境向量的余弦相似度和对应的用电特征向量的余弦相似度，以两个余弦相似度的平均值结合所述差值绝对值得到对应第一向量和第二向量之间的相关度。

进一步的，所述基准数据筛选模块包括：

基准数据筛选单元，用于将每个预设时长下属于参考结果的第一向量或者第二向量记为参考向量，对于每个参考向量，根据与该参考向量的权值中值的差异按照从小到大的顺序筛选预设数量的参考向量组成对应的近邻区域，由近邻区域中每两个参考向量之间的相关度的平均值作为对应的局部可达密度，将所有局部可达密度按照从大到小的顺序排列，选取前预设比例的局部可达密度对应的参考向量作为基准数据。

进一步的，所述成本分摊模块包括：

比例系数获取单元，用于在同一预设时长下，将所有箱变的响应值按照从大到小的顺序排列，以预设排名位置处的响应值作为所述比例系数。

本发明至少具有如下有益效果：

首先获取目标箱变的环境向量和用电特性向量，作为分析箱变用电情况的依据；然后通过划分短期区间利用动态匹配获取短期权值，得到一个结算周期按照短期权值进行分摊时的成本，利用用电特性的相似度在短期区间模式下获取每个预设时长的均摊成本的预估值；之后通过划分长期区间利用最大功率分量获取长期权值，进而得到一个结算周期按照长期权值进行分摊时的成本，长期区间中最大功率分量代表了对电网的典型的最大负载，能够反映长期区间下的均摊成本的预估值；至此分别得到短期区间和长期区间两种计算模式下的均摊成本的估值，然后分别于用电特性向量结合进行分类在进行类别间的匹配来获取相关度进而筛选基准数据，筛选出较为典型、常见的数据作为基准数据，这些数据对电网的维护是有利的，并基于这些常规数据进行分类器的训练，以便后续识别出其他箱变的异常数据；识别出所有箱变的异常数据和常规数据后，令代表异常的响应值大于比例系数的箱变分摊更多的维护成本，常规的数据分摊更少的维护成本。本发明能够结合箱变的用电特性按照用电情况的常见情况分摊电力增值服务的成本，保证成本分摊的公平性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例提供的一种基于用电特性分析的电力增值服务系统的系统框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于用电特性分析的电力增值服务系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于用电特性分析的电力增值服务系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于用电特性分析的电力增值服务系统的系统框图，该系统包括以下模块：

数据获取模块100、短期均摊成本获取模块200、长期均摊成本获取模块300、基准数据筛选模块400以及成本分摊模块500。

数据获取模块100，用于在每段预设时长下，采集目标箱变的环境数据组成环境向量；采集目标箱变的功率数据组成用电特性向量。

在本发明实施例中，预设时长为30秒，即每30秒采集的环境数据组成对应预设时长下的环境向量，采集的功率数据组成对应预设时长下的用电特征向量。

数据获取模块100包括环境向量获取单元和用电特性向量获取单元。

环境向量获取单元，用于在每个预设时长下采集目标箱变下沉于地下部分的空气湿度和温度，分别记为第一湿度和第一温度；采集目标箱变顶部空气湿度和温度分别记为第二湿度和第二温度；采集目标箱变的基础低频噪音频点、箱变内外壁的温差；由第一湿度、第一温度、第二湿度、第二温度、基础低频噪音频点以及温差组成每个预设时长下的环境向量。

通过分析箱变的下沉于地下部分的空气温度和湿度、顶部空气温度和湿度来表示热对流的程度。通过分析箱变的基础低频噪音频点来表示变压器的物理结构特征。通过分析箱变外的温差来表示季节性施工巡检的特征，当气温炎热时，箱变的外壁温度可以很好地表示施工和箱变工作环境的特点。

其中温差的具体获取过程为：

首先搜集箱变外壁的温度信息，不同的箱变会配置不同的温度传感器，但主要分布在顶盖，侧壁若干，由此分析箱变的外壁温差。结合箱变内部温度数据即可得知箱变自身的温度环境情况，以及施工或检修人员到场时的环境特征。

由每30秒内的第一湿度、第一温度、第二湿度、第二温度、基础低频噪音频点以及温差组成每个预设时长下的环境向量，记为环境向量A，环境向量A中的各个数值为30s中各自所采集的数据的中值。

用电特性向量获取单元，用于在每个预设时长下记录目标箱变的有功功率、无功功率、总功率数值、有功功率极差和无功功率极差，以平均有功功率、平均无功功率、平均总功率、有功功率极差和无功功率极差组成对应预设时长下的用电特性向量。

用电特性向量是对一个区域的用电特性的表征，此处的区域用电特性是城市细分到街道、小区的区域用电特性，以低压箱变(一般对应一个园区、街道)为一个单位，分析整个单位的总功率，有功功率、无功功率。其中，对于一些工厂或园区，箱变的送电区域可能不止于工厂或园区，还有可能牵涉部分住宅用地，对于工厂的无功功率，大量的电感性设备，如异步电动机、感应电炉、交流电焊机等设备是无功功率的主要消耗者。有功功率为纯电阻设备。对于住宅的无功功率，可能是大量的空调等电动机为主的家电，以及电子设备，有功功率为住宅相关的纯电阻设备。

当一个小区、街道的用电特性较为反常，且与其相关的案例也较多时，意味着：可能是夏季空调用电高峰、可能是工厂或园区的生产用电高峰、某项功率基数较大时，意味着对电网资源消耗较大、如果短时间内有功-无功功率变动较大，则有突发用电的特征，功率基数较大时，对电网容量和箱变的供电性能造成影响。

因此采集反映30秒内用电特性的功率数据，即平均有功功率、平均无功功率、平均总功率、有功功率极差和无功功率极差组成对应预设时长下的用电特性向量，记为用电特性向量F。

短期均摊成本获取模块200，用于划定短期区间，短期区间包括至少两段预设时长；获取目标箱变在结算周期的摊薄成本，基于目标箱变的每两个用电特性向量之间的相似度获取对应的短期权值，依据短期权值将摊薄成本均摊至每个预设时长，得到一个结算周期的所有短期均摊成本。

首先划定短期区间，在本发明实施例中划定短期区间为3天，包括大量的预设时长。通过动态匹配的方式，评估短期区间内的短期权值。

用电特性向量F为一个高维向量，首先对高维向量的各个维度进行归一化，消除量纲差异。然后按照K-M算法的最大相似度分配方式进行匹配对计算。具体的利用短期权值获取单元获取具体过程。

短期权值获取单元，用于在短期区间内根据目标箱变的每两个用电特性向量之间的相似度对所有用电特性向量进行相似匹配，得到至少一个匹配对；计算匹配对中两个用电特性向量之间的余弦相似度，根据两个用电特性向量之间的时间差和余弦相似度获取对应的相似度进而赋予短期权值。

短期权值计算单元，用于统计所有匹配对对应的余弦相似度，构建余弦相似度直方图；获取余弦相似度直方图的分割阈值，对于大于分割阈值的余弦相似度对应的匹配对，以预设值减去对应的相似度作为对应匹配对的短期权值；对于小于或者等于分割阈值的余弦相似度对应的匹配对，将对应的所有相似度求均值，以预设值减去均值的差值作为对应匹配对的短期权值。

以第i个用电特性向量和第j个用电特性向量为例，计算对应的相似度S(i，j)：

S(i，j)＝sign(ΔDay(i，j))*(SIM(F

其中，ΔDay(i，j)是这两个向量所属日期的差异，sign(ΔDay(i，j))表示若两个用电特性向量之间的日期存在差异，即不是同一天，则返回1，否则返回0，对于相似度为0的，不会在K-M的邻接矩阵中构成后续的匹配对。SIM(F

通过余弦相似度来表征两个用电特征向量的相似程度，余弦相似度的值越大，说明第i个用电特性向量F

然后利用每两个电特性向量之间的相似度进行K-M匹配，得到多个匹配对。其中K-M算法为现有技术，具体的匹配过程在本实施例中不再赘述。

对于组成的匹配对来说，大部分匹配对的余弦相似度接近于1，统计同一余弦相似度的数量，以余弦相似度作为横轴，对应的数量作为纵轴，构建余弦相似度的直方图，该直方图表现为两端凸中间凹的特征，即比较相似的和比较不相似的比较多，中间状态的比较少。

使用大津法对直方图的阈值进行估计，得到分割阈值，对于大于分割阈值的余弦相似度对应的匹配对，以预设值减去对应的相似度作为对应匹配对的短期权值；对于小于或者等于分割阈值的余弦相似度对应的匹配对，将对应的所有相似度求均值，以预设值减去均值的差值作为对应匹配对的短期权值。即对于大于分割阈值的余弦相似度对应的匹配对，每个用电特性向量对应的短期权值各不相同，为预设值减去对应的相似度；而小于或者等于分割阈值的余弦相似度对应的匹配对，用电特性向量对应的短期权值相同，均为预设值减去对应的所有相似度的平均值。

作为一个示例，本发明实施例中预设值为1。

获取目标箱变在结算周期的摊薄成本，指结算周期的运维成本总值，均摊到每个箱变后的数值。结算周期为一次结算的周期，一般为一个月度或者一个季度，在本发明实施例中结算周期为一个月。

目标箱变在结算周期的摊薄成本即目标箱变在一个月内被分摊的运维成本。每3天为一个短期区间，获取3天内每个预设时长的短期权值，以此类推得到整个结算周期内每个预设时长的短期权值。将整个结算周期内的所有短期权值归一化，按照每个短期权值所占的比例，获取对应预设时长的短期均摊成本，即以总摊薄成本乘上每个短期权值所占比例得到对应的短期均摊成本，记为S。

按照划分的短期区间进行成本的分摊，得到短期区间划分下每个预设时长的均摊成本。

长期均摊成本获取模块300，用于划定长期区间，长期区间包括至少一个短期区间；获取每个预设时长对应的最大功率分量，进而获取每个预设时长的长期权值；依据长期权值将摊薄成本均摊至每个预设时长，得到一个结算周期的所有长期均摊成本。

用电功率的最大分量也是不断在变化的，对于长期而言，长时间段内的最大功率分量代表了对电网的典型的最大负载，长期摊薄成本的估值与之绑定。

通过长期权值获取每个预设时长下的长期权值。

长期权值获取单元，用于通过最大值滤波获取每个预设时长下的最大功率分量，对长期区间内所有的最大功率分量分别进行归一化，得到对应的长期权值。

首先对于每个预设时长中，在对应的有功功率分量和无功功率分量中取最大值，然后使用最大值滤波的方式，进行滤波处理，得到每个30s对应的最大功率分量。最大值滤波的窗口为划分的长期区间，在本实施例中为1周。以该滤波窗口进行最大值滤波得到整个结算周期内每个预设时长的长期权值。将最大值滤波获取的每个预设时长下的长期权值进行整体归一化，得到每个长期权值所占比例。

按照每个长期权值所占比例获取对应预设时长的长期均摊成本，即以总摊薄成本乘上每个长期权值所占比例得到对应的长期均摊成本，记为L。

按照划分的短期区间进行成本的分摊，得到短期区间划分下每个预设时长的均摊成本。

通过短期均摊成本获取模块200得到的短期均摊成本和通过长期均摊成本获取模块300得到的长期均摊成本均为在不同模式下每个预设时长的成本预估值，而非准确值，只是一种相对的指标，不能代表真实的价格，但能够基于用电的性质进行成本分摊的评估，为了实时且有效地估计和结算真正的摊薄价格，需要以长期区间和短期区间为单位，联合所有箱变数据进行分析。

基准数据筛选模块400，用于将用电特性向量与对应的长期均摊成本拼接得到第一向量，将用电特性向量和对应的短期均摊成本拼接得到第二向量，分别对所有第一向量和所有第二向量分类，得到第一分类结果和第二分类结果；将第一分类结果中的类别和第二分类结果中的类别相互匹配，并根据长期均摊成本和短期均摊成本的差异、环境向量以及用电特性向量获取对应的相关度；依据相关度筛选基准数据。

基准数据筛选模块400包括分类单元、匹配单元、相关度获取单元和基准数据筛选单元

分类单元，用于分别对所有第一向量和所有第二向量分类，得到第一分类结果和第二分类结果。

将用电特性向量与对应的长期均摊成本拼接得到第一向量，基于OPTICS进行无监督分类，其中距离函数为余弦距离，最小数目minPts为15，聚类半径r为0.1，得到第一分类结果，第一分类结果中包括不同的类别，这些类别基于用电特征和长期均摊成本而分类。

将用电特性向量和对应的短期均摊成本拼接得到第二向量，基于OPTICS进行无监督分类，其中距离函数为余弦距离，最小数目minPts为5，聚类半径r为0.102，得到第二分类结果，第二分类结果中包括不同的类别，这些类别基于用电特征和短期均摊成本而分类。

OPTICS算法为密度聚类的一种，给定最小数目和聚类半径这两个参数即可实现聚类目的，该算法为现有技术，具体的聚类过程不再赘述。

匹配单元，用于以第一分类结果和第二分类结果中类别数量更多的分类结果作为参考结果，获取参考结果中每个类别的权值中值，在非参考结果中搜索到与权值中值最接近的权值中值，对应的类别与参考结果中的对应类别构建匹配关系。

若第一分类结果中包括更多的类别，则以第一分类结果作为参考结果；若第二分类结果中包括更多的类别，则以第二分类结果作为参考结果；在本发明实施例中以第一分类结果作为参考结果为例，针对第一分类结果的各个类别计算自身的长期均摊成本中值，在第二分类结果各个组中查找短期均摊成本中值最相近的组，构建匹配关系。如此往复，得到第一分类结果和第二分类结果各个类别之间的匹配关系。

通过上述匹配能够按照不同区间的运维成本的估值匹配各个参照组。

相关度获取单元，用于对于相互匹配的两个类别，在两个类别中分别获取一个第一向量和一个第二向量，计算对应的长期均摊成本和短期均摊成本的差值绝对值，以及对应的环境向量的余弦相似度和对应的用电特征向量的余弦相似度，以两个余弦相似度的平均值结合差值绝对值得到对应第一向量和第二向量之间的相关度。

对于相互匹配的两个类别中，分别获取一个第一向量和一个第二向量，例如，选取了第m个第一向量和第n个第二向量，计算两者之间的相关度：

其中，E(m，n)表示第m个第一向量和第n个第二向量的相关度，e表示自然常数，L

相关度是从运维人员角度出发，根据环境向量、用电特性向量和成本估值的差值进行相关度的评估，Sim(A

基准数据筛选单元，用于将每个预设时长下属于参考结果的第一向量或者第二向量记为参考向量，对于每个参考向量，根据与该参考向量的权值中值的差异按照从小到大的顺序筛选预设数量的参考向量组成对应的近邻区域，由近邻区域中每两个参考向量之间的相关度的平均值作为对应的局部可达密度，将所有局部可达密度按照从大到小的顺序排列，选取前预设比例的局部可达密度对应的参考向量作为基准数据。

在本实施例中以第一分类结果作为参考结果，即对应的将第一向量记为参考向量，对于每个参考向量，根据与该参考向量的权值中值的差异按照从小到大的顺序筛选预设数量的参考向量组成对应的近邻区域，即选取与参考向量的长期权值中值最接近的预设数量的参考向量组成对应的近邻区域，计算近邻区域中每两个参考向量之间的相关度，所有相关度的平均值作为对应的局部可达密度。局部可达密度越大，对应的参考向量的情况越典型，密度越小，对应的参考向量的情况越难以见到，比较不常规。

作为一个示例，本实施例中预设数量为150，即选取与参考向量的长期权值中值最接近的150个参考向量组成对应的近邻区域。

每个参考向量均能够通过上述方法获取对应的局部可达密度，将得到的所有局部可达密度按照从大到小的顺序排序，排名前60％的局部可达密度对应的数据作为基准数据，其余数据作为基准数据的负样本。

成本分摊模块500，用于利用基准数据训练分类器进而得到每个箱变在预设时长下的响应值，由响应值大于比例系数的箱变分摊结算周期整体成本的一半，其余箱变分摊结算周期整体成本的一半。

成本分摊模块500包括分类器训练单元、比例系数获取单元和成本分摊单元。

分类器训练单元用于通过扩张基准数据进行分类器训练，得到训练完成的分类器。

基于基准数据，分析时间的连续性，从而进行正样本增广，解决Adaboos无法侧重学习用电时序特征约束下的数据特征的问题。

首先进行基准数据的扩增：对于基准数据中用电特性向量时间连续的样本，按照一定比例进行复制：对于用电特性向量时间连续3次以上的，对这些样本复制3次，对于用电特性向量时间连续两次的，复制两次，不连续的不复制，通过复制扩增基准数据的正样本。

基于基准数据中的环境向量和用电特性向量，训练AdaBoost二分类器，其中正样本为基准数据，负样本为其余数据，得到训练完成的分类器，也为界限模型。

比例系数获取单元，用于在同一预设时长下，将所有箱变的响应值按照从大到小的顺序排列，以预设排名位置处的响应值作为比例系数。

将不同箱变的数据输入训练完成的分类器中，输出每个预设时长下的响应值，该响应值代表了摊薄比例。时序上的响应值是非线性的，无法直接估算摊薄比例，但可以根据响应值来分配阈值，即将所有响应值按照从大到小的顺序排序，以预设排名位置处的响应值作为比例系数。例如，预设排名为9，即在该预设时长下排名第九的箱变对应的响应值为阈值，也即比例系数。

为了稳定比例系数的值，且保持一定的客观性，避免在划分过程中漏掉一些箱变或过度划入一些箱变，本发明基于滑动平均来更新比例系数，其中滑动窗口为10，即5分钟，在其他实施例中还可以动态调整窗口大小，窗口越大，对之前得到的比例系数的确信情况越高，比例系数的更新速度越慢。

成本分摊单元，用于基于响应值和比例系数进行成本分摊。

当响应值超出比例系数时，说明此时的共组偶状态不太常规，需要承担部分成本，例如以一个结算周期结算一次服务费，假设某一预设时长下所有箱变的均摊成本为1元，即所有箱变均摊在该30秒下的成本为1元，则超出比例系数的箱变需要共同承担成本的一半，即0.5元，剩下的未超出比例系数的箱变分摊剩下的一半，即0.5元，而超出比例系数的箱变数量较少，即在用电情况较为异常的箱变以较少的总数量承担了成本的一半，平摊至每个用电情况较为异常的箱变时，承担的成本与正常箱变相比更多。

基于动态更新摊薄的比例系数，计算摊薄模式是否能够按照常规摊薄来进行电力增值服务价格标准调整。基于此，增值服务价格能够实时计算并累计，且摊薄逻辑公开公平：即越常规、功率较低的用电单位(箱变)所需分摊的增值服务费用越低，反之越高。

当一个结算周期计算结束后，重新执行本发明的五个模块，计算每个箱变在新的结算周期中的摊薄成本。

综上所述，本发明实施例包括以下模块：

数据获取模块100、短期均摊成本获取模块200、长期均摊成本获取模块300、基准数据筛选模块400以及成本分摊模块500。

具体的，通过数据获取模块在每段预设时长下，采集目标箱变的环境数据组成环境向量；采集目标箱变的功率数据组成用电特性向量；通过短期均摊成本获取模块划定短期区间，短期区间包括至少两段预设时长；获取目标箱变在结算周期的摊薄成本，基于目标箱变的每两个用电特性向量之间的相似度获取对应的短期权值，依据短期权值将摊薄成本均摊至每个预设时长，得到一个结算周期的所有短期均摊成本；通过长期均摊成本获取模块划定长期区间，长期区间包括至少一个短期区间；获取每个预设时长对应的最大功率分量，进而获取每个预设时长的长期权值；依据长期权值将摊薄成本均摊至每个预设时长，得到一个结算周期的所有长期均摊成本；通过基准数据筛选模块将用电特性向量与对应的长期均摊成本拼接得到第一向量，将用电特性向量和对应的短期均摊成本拼接得到第二向量，分别对所有第一向量和所有第二向量分类，得到第一分类结果和第二分类结果；将第一分类结果中的类别和第二分类结果中的类别相互匹配，并根据长期均摊成本和短期均摊成本的差异、环境向量以及用电特性向量获取对应的相关度；依据相关度筛选基准数据；通过成本分摊模块利用基准数据训练分类器进而得到每个箱变在预设时长下的响应值，由响应值大于比例系数的箱变分摊结算周期整体成本的一半，其余箱变分摊结算周期整体成本的一半。本发明能够结合箱变的用电特性按照用电情况的常见情况分摊电力增值服务的成本，保证成本分摊的公平性。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。