[發明專利]一種基于K-means聚類的電力居民用戶分類方法

在審

• 申請號: 201910389901.7
• 申請日: 2019-05-10
• 公開（公告）號: CN111915116A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 李成仁;何永秀;高效;陳奮開;尤培培;張文月;周樹鵬;王偉劼;焦哲;劉思佳;陳國平;梁寶全;張超;馬鳳云;肖廣宇;邵潔;張立巖;王美艷;何青;楊光;馬朝;畢娜;劉培良;尤立莎;周艷艷;李海杰;閆晶
• 申請（專利權）人: 國網能源研究院有限公司;華北電力大學;國網天津市電力公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/62
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 馬東瑞

本發明公開了一種基于K?means聚類的電力居民用戶分類方法，包括以下步驟：確定區域電力居民用戶負荷數據；對數據進行預處理；對處理后的數據，根據K?means聚類算法對數據進行分類；基于聚類結果，分析每類電力居民用戶負荷特性；分析區域電力系統負荷特性；對比分析電力系統負荷曲線和每類電力居民用戶負荷曲線，確定每類電力居民用戶用電類型。本發明采用K?means聚類算法對電力居民用戶的用電負荷數據進行相似度度量，以及對用戶進行聚類分析，能夠對用戶的用電負荷曲線特征進行良好的度量和區分，實現用戶負荷曲線的聚類和負荷特性分析，且K?means聚類算法在對電力居民用戶負荷聚類分析時具有可伸縮性和高效性。

技術領域

本發明涉及電力系統分析技術領域，具體涉及一種基于K-means聚類的電力居民用戶分類方法。

背景技術

售電側放開模式下，電力市場中將會出現多元化的售電主體，其將會展開電力零售業務競爭。通過對電力市場中的用戶細分，詳盡的了解不同類型用戶的負荷特性，以及不同用戶的差異化需求，電力市場中售電主體可以科學安排購售電方案，制定出多元化及多樣化的電價套餐體系，給用戶提供更多可選擇性，有益于售電主體吸引更多用戶，且搶占售電市場。

目前對于基于聚類方法實現用戶細分的方法理論已經相對成熟，如模糊聚類法和Kohonen神經網絡(KNN)聚類法。但模糊聚類法易受主觀因素的干擾，使聚類結果存在局部差異，且算法相對復雜；KNN聚類法的實際應用表明其不能滿足負荷預測聚類對曲線形態細節識別的要求；隨著售電側改革的深入，電力市場中居民用戶已達到相當大的規模，若對這些用戶進行一對一的負荷特性分析已不具備可行性，因此，在進行負荷特性分析時，電力居民用戶細分尤顯得十分必要，而目前尚未有技術涉及該領域。

發明內容

為了解決上述技術問題，本發明所采用的技術方案是提供了一種基于K-means聚類的電力居民用戶分類方法，包括以下步驟：

確定區域電力居民用戶負荷數據；

對數據進行預處理；

根據K-means聚類算法對對預處理后的數據進行分類；

基于聚類結果，分析每類電力居民用戶負荷特性；分析區域電力系統負荷特性；

對比分析電力系統負荷曲線和每類電力居民用戶負荷曲線，確定每類電力居民用戶用電類型。

在上述方法中，還包括根據每類電力居民用戶用電類型，推送合理的售電方案。

在上述方法中，所述對數據進行預處理包括以下步驟：

A1、刪除負荷數據中無效記錄；包括負值數據與0；

A2、刪除連續缺失較多的數據；

A3、個別缺失值處理；

對于首末端數據空缺，以趨勢比例法進行補全；

對于中間數據空缺，以非鄰均值生成法進行補全。

在上述方法中，所述刪除連續缺失較多的數據具體為：

以15min為時間間隔點，每天的負荷值有96個點，刪除連續缺失超過30個負荷值的樣本。

在上述方法中，所述根據K-means聚類算法對對處理后的數據進行分類；包括以下步驟：

對預處理后的負荷數據進行歸一化處理，并形成負荷數據樣本集；

設定聚類個數，根據K-means聚類算法對負荷數據樣本集進行分類。

在上述方法中，所述分析電力居民用戶負荷特性包括：

基于聚類結果，分析每類用戶的負荷特性，以日負荷特性曲線描述電力居民用戶負荷特性。