[發(fā)明專利]一種基于形態(tài)分析的用戶側(cè)負荷特征聚類評價方法

有效

• 申請?zhí)枺?/td>: 201810533922.7
• 申請日: 2018-05-29
• 公開（公告）號: CN108898273B
• 公開（公告）日: 2022-04-15
• 發(fā)明（設(shè)計）人: 柴玉鳳;靳曉凌;代賢忠;王陽;張晨;張鈺;張鈞;韓新陽;張全;張巖;白翠粉;吳丹;雷珽
• 申請（專利權(quán)）人: 國網(wǎng)能源研究院有限公司;國網(wǎng)上海市電力公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 北京八月瓜知識產(chǎn)權(quán)代理有限公司 11543
• 代理人: 馬東瑞

1.一種基于形態(tài)分析的用戶側(cè)負荷特征聚類評價方法，其特征在于：包括以下步驟：

步驟S1：采用計算機的數(shù)據(jù)輸入模塊輸入地區(qū)的各類用戶每年的日負荷數(shù)據(jù)；

步驟S2：采用基于歐氏距離聚類的可能性模糊C—均值聚類算法進行負荷聚類，從各類用戶負荷數(shù)據(jù)中先得到各單一用戶的典型日負荷曲線，用以表征各單一用戶全年的典型用能行為；

步驟S3：基于步驟S2所得到的各單一用戶的典型日負荷曲線，先提取各曲線形態(tài)特征，再利用可能性模糊C—均值聚類算法進行聚類，將單一用戶按照典型日負荷曲線的形態(tài)特征進行分類，得到不同類別用戶的負荷特征曲線；

步驟S4：利用負荷特征評價指標體系對各類用戶的負荷特征曲線進行評估，利用“云重心”評價單元的“云重心發(fā)生器”產(chǎn)生最終的評估結(jié)果；

所述負荷特征評價指標體系所包含指標如下，公式中的負荷值均為標幺值，其中，正向指標表示指標值越大特征狀況越好，反向指標表示指標值越小特征狀況越好：

(1)負荷率

日平均負荷與最大負荷的比率，用于評估用戶占用產(chǎn)能設(shè)備容量的冗余情況；為正向指標，計算公式如下：

(2)日峰谷差率

日最大負荷、日最小負荷之間的差值與日最大負荷的比率，用于評估用戶負荷峰谷波動幅度；為反向指標，計算公式如下：

(3)日峰期負載率

日峰期平均負荷與平均負荷的比率，為反向指標

(4)日谷期負載率

日谷期平均負荷與平均負荷的比率，為正向指標

(5)日平期負載率

日平期平均負荷與平均負荷的比率，為正向指標

當?shù)玫截摵商卣髟u價指標體系各項指標的值之后，需要計算指標得分，正向指標對應(yīng)極大型變量，反向指標對應(yīng)極小型變量，利用功效系數(shù)法對指標得分進行計算，公式如下：

極大型變量的指標得分:

在本式中，dl_i為第i個極大型變量的評價指標得分；x_i為第i個評價指標的實際值；x_hi為第i個指標的理想值；x_si為第i個指標的不允許值，

極小型變量的指標得分:

在本式中，dl_i為第i個極小型評價指標的單項功效系數(shù)值；x_i為第i個評價指標的實際值；x_hi為第i個指標的理想值；x_si為第i個指標的不允許值；

步驟S5，由計算機結(jié)果輸出模塊輸出可視化的用戶側(cè)負荷特征聚類結(jié)果和“云重心”評估結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于形態(tài)分析的用戶側(cè)負荷特征聚類評價方法，其特征在于：所述的步驟S2中，所述的可能性模糊C—均值聚類算法的核心步驟為：

(1)設(shè)定聚類數(shù)目C，且1Cn并設(shè)定m取值范圍為[0,∞)；

(2)初始化算法迭代次數(shù)L，使之為1；

(3)將可能性劃分矩陣u_ik初始化，設(shè)定η的值；

(4)循環(huán)進行以下過程，直至目標函數(shù)與之前一次的差值小于設(shè)定的閾值時，或L大于L_max：

對隸屬度原型矩陣U進行更新，依據(jù)公式為：

式中，1≤i≤c；1≤k≤n；u_ik——為隸屬度矩陣，k＝1,…,n，且u_ik≥0；

對典型性原型矩陣T進行更新，依據(jù)公式為：

式中，1≤i≤c；1≤k≤n,t_ik——為典型性矩陣，t_ik≤1；

更新聚類中心V，依據(jù)公式為：

式中，1≤i≤c；

a——用于表征隸屬度值的影響，a0；

b——用于表征典型性值的影響，b0；

(5)重新對η的值進行估計，并再次進行步驟(4)。