本申请涉及数据分析，尤其涉及一种基于随机矩阵理论的用户耦合性分析方法及相关装置。
背景技术：
1、随着分布式资源的大力发展，可再生能源发电、电动汽车和储能电池等已经成为能源供应模式中的关键组成部分，显著改变了能源生产与消费格局。家庭光伏发电、储能电池和电动汽车的普及使得用户逐渐成为能源生产者之一。在这种新兴模式下，用户不再仅是能源的消费者，而是能源的生产者，即产消一体者(prosumer)。用户与能源系统之间的互动更为密切、灵活，这对电网用户侧资源高效管控提出了更高的要求。因此，从用户侧入手，加强对用户侧资源的认知，挖掘影响用户用电行为的耦合性因素，是解决用户侧资源合理配置问题的关键。
2、目前，国内外对用户耦合性分析已展开了一定的研究，主要包含两种分析模式：机理驱动和数据驱动。机理驱动的耦合性分析方法基于客观物理世界的因果关系，通过各类主观分析挖掘环境因素与直接用电行为间的耦合关系。而数据驱动的耦合分析方法因其具有更高的泛化性和智能性而成为现有研究的主流。数据驱动的耦合性分析主要采用数据分析算法挖掘统计数据集中所包含的用户非完全理性行为，常见的数据驱动耦合性分析所采用的算法包括主成分分析、支持向量机、互信息法、灰色关联度分析、混沌理论法等。
3、用户用电行为的耦合性因素可能会随时间变化，现有的用户耦合性分析的时效性和持续更新能力弱，且在数据获取和处理方面难度大，导致分析结果的可靠性和准确性受到影响。因此，如何实时并充分地对用户耦合性进行分析，挖掘用户隐藏高维统计信息成为亟待解决的问题。
技术实现思路
1、本申请实施例提供一种基于随机矩阵理论的用户耦合性分析方法及相关装置，基于移动数据窗口对采样的量测数据进行构建耦合分析矩阵和参考矩阵，基于对耦合分析矩阵和参考矩阵之间的耦合关系进行分析，可以得到主要测量指标和其他测量指标之间的耦合关系，还可以通过对不同采样时间进行分析，且采集的数据可以为高维空间的数据，实现了实时并充分地对用户耦合性进行分析，进而挖掘用户隐藏高维统计信息。
2、第一方面，本申请实施例提供了一种基于随机矩阵理论的用户耦合性分析方法，包括：
3、按照预设采样时间间隔获取第一采样数据集和第二采样数据集，所述第一采样数据集包括第一用户的用电数据集，所述第二采样数据集包括以下一种：环境数据集、第二用户的用电数据集；
4、对所述第一采样数据集和所述第二采样数据集分别进行预处理，得到第一量测数据集和第二量测数据集；
5、获取所述第一量测数据集中至少一个量测数据的采样时间点，得到目标采样时间点；
6、基于预设移动数据窗口截取所述目标采样时间点对应的所述第一量测数据集中的部分量测数据，得到第一部分量测数据集，截取所述目标采样时间点对应的所述第二量测数据集中的部分量测数据，得到第二部分量测数据集，并根据所述第一部分量测数据集和所述第二部分量测数据集分别构建目标基本量测矩阵和目标增广量测矩阵；
7、基于所述目标基本量测矩阵和所述目标增广量测矩阵分别确定目标耦合分析矩阵和目标参考矩阵；
8、确定所述目标耦合分析矩阵的第一线性特征值，确定所述目标参考矩阵的第二线性特征值；
9、计算所述第一线性特征值和所述第二线性特征值之间的差值，得到目标差值；所述目标差值与所述目标耦合分析矩阵和所述目标参考矩阵之间的耦合正相关。
10、第二方面，本申请实施例提供了一种基于随机矩阵理论的用户耦合性分析装置，所述基于随机矩阵理论的用户耦合性分析装置包括：
11、数据获取单元，用于按照预设采样时间间隔获取第一采样数据集和第二采样数据集，所述第一采样数据集包括第一用户的用电数据集，所述第二采样数据集包括以下一种：环境数据集、第二用户的用电数据集；
12、预处理单元，用于对所述第一采样数据集和所述第二采样数据集分别进行预处理，得到第一量测数据集和第二量测数据集；
13、数据获取单元，还用于获取所述第一量测数据集中至少一个量测数据的采样时间点，得到目标采样时间点；
14、矩阵构建单元，用于基于预设移动数据窗口截取所述目标采样时间点对应的所述第一量测数据集中的部分量测数据，得到第一部分量测数据集，截取所述目标采样时间点对应的所述第二量测数据集中的部分量测数据，得到第二部分量测数据集，并根据所述第一部分量测数据集和所述第二部分量测数据集分别构建目标基本量测矩阵和目标增广量测矩阵；
15、分析确定单元，用于基于所述目标基本量测矩阵和所述目标增广量测矩阵分别确定目标耦合分析矩阵和目标参考矩阵；
16、分析确定单元，还用于确定所述目标耦合分析矩阵的第一线性特征值，确定所述目标参考矩阵的第二线性特征值；
17、计算单元，用于计算所述第一线性特征值和所述第二线性特征值之间的差值，得到目标差值；所述目标差值与所述目标耦合分析矩阵和所述目标参考矩阵之间的耦合正相关。
18、第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
19、第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
20、第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
21、通过实施本申请实施例，按照预设采样时间间隔获取第一采样数据集和第二采样数据集，对第一采样数据集和第二采样数据集分别进行预处理，得到第一量测数据集和第二量测数据集,获取第一量测数据集中至少一个量测数据的采样时间点，得到目标采样时间点,基于预设移动数据窗口截取目标采样时间点对应的第一量测数据集中的部分量测数据，得到第一部分量测数据集，截取目标采样时间点对应的第二量测数据集中的部分量测数据，得到第二部分量测数据集，并根据第一部分量测数据集和第二部分量测数据集分别构建目标基本量测矩阵和目标增广量测矩阵,基于目标基本量测矩阵和目标增广量测矩阵分别确定目标耦合分析矩阵和目标参考矩阵，确定目标耦合分析矩阵的第一线性特征值，确定目标参考矩阵的第二线性特征值，计算第一线性特征值和第二线性特征值之间的差值，得到目标差值，根据目标差值判断目标耦合分析矩阵和目标参考矩阵之间的耦合关系。因此，通过对不同采样时间进行分析，且采集的数据可以为高维空间的数据，实现了实时并充分地对用户耦合性进行分析，进而挖掘用户隐藏高维统计信息。
1.一种基于随机矩阵理论的用户耦合性分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述对所述第一采样数据集和所述第二采样数据集分别进行预处理，得到第一量测数据集和第二量测数据集，包括：
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
4.如权利要求1所述的方法，其特征在于，在所述基于预设移动数据窗口截取所述目标采样时间点对应的所述第一量测数据集中的部分量测数据，得到第一部分量测数据集之前，还包括：
5.如权利要求4所述的方法，其特征在于，所述基于预设移动数据窗口截取所述目标采样时间点对应的所述第一量测数据集中的部分量测数据，得到第一部分量测数据集，包括：
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
7.如权利要求1所述的方法，其特征在于，所述基于所述目标基本量测矩阵和所述目标增广量测矩阵确定目标耦合分析矩阵和目标参考矩阵，包括：
8.如权利要求1-7任一项所述的方法，其特征在于，所述确定所述目标耦合分析矩阵的第一线性特征值，确定所述目标参考矩阵的第二线性特征值，包括：
9.如权利要求8所述的方法，其特征在于，所述方法还包括：
10.一种基于随机矩阵理论的用户耦合性分析装置，其特征在于，所述基于随机矩阵理论的用户耦合性分析装置包括：数据获取单元、预处理单元、矩阵构建单元、分析确定单元、计算单元，其中，
