[發明專利]基于形態特征的電力負荷曲線自適應聚類方法

有效

• 申請號: 201710655080.8
• 申請日: 2017-08-03
• 公開（公告）號: CN107423769B
• 公開（公告）日: 2019-10-01
• 發明（設計）人: 劉友波;劉俊勇;呂林;李陽
• 申請（專利權）人: 四川大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 何凡

本發明公開了基于形態特征的電力負荷曲線自適應聚類方法，其提取獲取的電力負荷曲線的形態特征，獲取設定量個函數密度值作為初始的聚類中心；通過計算最小聚類代價函數值對電力負荷曲線進行分類：當相鄰兩次迭代的聚類中心變化量小于或等于預設閾值時，將得到的聚類中心存入聚類中心集合；當設定量等于或大于預設閥值時，采用聚類中心集合中的所有聚類中心聚類得到聚類系譜圖選取聚類中心和聚類中心數量；當相鄰兩次迭代的聚類中心變化量小于或等于預設閾值時，獲取當前聚類中心，之后采用最小聚類代價函數值對電力負荷曲線進行分類；當所有電力負荷曲線均分類至聚類中心所在電力負荷曲線簇時，輸出當前聚類中心，電力負荷曲線簇和聚類中心數量。

技術領域

本發明涉及電力系統大數據挖掘與分析技術領域，具體涉及電力負荷曲線自適應聚類方法。

背景技術

隨著電力體制改革不斷推進，電力企業不僅要向用戶提供高質量的電能，還要對用戶的用電行為進行專業化指導，深刻把握用戶的用電規律，感知用戶的用電特性，對提高配電網饋線負荷預測精度、識別用戶用電模式、評估需求響應能力、指導電價制定等具有重要意義。

針對電力數據海量多源異構的特點，目前普遍采用適用于大規模數據的模式識別技術、聚類分析方法、數據挖掘算法實現遠程、友好、互動的智能用電控制的關鍵。其中，聚類算法的主要目標是提取數據在全局范圍內的分布特征，把一個數據對象劃分為若干個數據子集，每個子集內數據的分布情況、形態特征彼此相似，不同子集之間的數據對象不相似。傳統的聚類算法包括劃分聚類算法、層次聚類算法、基于網格聚類算法、基于密度聚類算法、基于模型聚類算法等，電力負荷曲線聚類應用比較成熟的包括基于劃分的K-means和FCM、層次聚類、基于人工神經網絡的自組織映射聚類等方法。

其中，劃分式聚類以算法的高效性應用較為廣泛，但以歐氏距離為負荷形態相似度判別依據注重曲線的距離，而容易忽略形態特征，已難以高效應用于負荷曲線的特征提取，聚類質量面臨著嚴重的挑戰。有學者對算法進行了改進，將層次聚類和劃分聚類相結合，提出了一種用戶用電曲線的集成聚類算法。該算法雖然在一定程度上可以提高聚類效率和質量，但基于距離的方法只能從整體或宏觀上刻畫負荷的特征，而不能精準描述負荷曲線的變化趨勢，缺乏對曲線形態的識別。又有學者提出以余弦相似度為度量依據，其可以有效識別用電曲線的變化趨勢，但算法的質量受數據中“噪音”的影響較大。

此外，還有眾多學者提出了基于蟻群優化聚類、基于云計算和量子粒子群算法聚類、三階段聚類等，但上述算法并沒有從根本上解決問題，缺乏從負荷曲線形態相似性進行聚類分析，也有學者提出了一種基于形態特征的聚類算法，但該算法目前僅適用于二維數據，難以適用于三維及更高維度。隨著數據規模和維度的增加，只是依靠歐氏距離作為相似度判別的意義也越來越小。

發明內容

針對現有技術中的上述不足，本發明提供的電力負荷曲線自適應聚類方法能夠在對電力負荷曲線進行聚類時自動尋找最佳的聚類中心數目和最佳的聚類中心。

為了達到上述發明目的，本發明采用的技術方案為：

提供一種基于形態特征的電力負荷曲線自適應聚類方法，其包括：

S1、獲取用戶設定時間段內的電力負荷曲線；

S2、提取所述電力負荷曲線的形態特征，并將每個用戶的形態特征轉換為形態特征向量，所述形態特征至少包括電力負荷曲線的上升、平穩和下降趨勢；

S3、根據計算的每個用戶形態特征向量的函數密度值，獲取設定量個函數密度值作為初始的聚類中心；

S4、通過聚類中心與所有用戶的形態特征向量的相似度值加權計算最小聚類代價函數值時，對電力負荷曲線進行分類：

S5、當相鄰兩次迭代的聚類中心變化量大于預設閾值，采用取眾數的方式更新計算最小聚類代價函數值的聚類中心；