[發明專利]基于聚類算法的大工業用戶細分方法

在審

• 申請號: 201911076165.6
• 申請日: 2019-11-06
• 公開（公告）號: CN110852370A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 文明;何永秀;陳勇;郁晉雄;潘馨;田冰穎;廖菁;王美艷;何青;安莉莉;胡福
• 申請（專利權）人: 國網湖南省電力有限公司;國網湖南省電力有限公司經濟技術研究院;國家電網有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/06;G06Q50/06
• 代理公司: 長沙永星專利商標事務所(普通合伙) 43001
• 代理人: 周詠;米中業

本發明公開了一種基于聚類算法的大工業用戶細分方法，包括收集目標地區的大工業用戶的用戶負荷數據并進行預處理；采用均值漂移算法對目標地區的大工業用戶進行聚類得到初始聚類中心及中心值；采用聚類算法對目標地區的大工業用戶進行細分并得到最終的大工業用戶細分結果。本發明以均值漂移算法計算出聚類數量和初始聚類中心點，再用k?means聚類算法對大工業用戶進行細分；算法結果更穩定；而且本發明方法能夠更加科學合理的對大工業用戶進行細分，而且本發明方法可靠性高，準確性好，易于實施。

技術領域

本發明屬于電氣自動化領域，具體涉及一種基于聚類算法的大工業用戶細分方法。

背景技術

隨著經濟技術的發展，電能已經成為了人們生產和生活中必不可少的二次能源，給人們的生產和生活帶來了無盡的便利。而電力系統的用戶分類，是電力系統的重要任務之一。

目前，電力系統中對于大工業用戶的分類方法的理論相對較多，如模糊聚類法、Kohonen神經網絡(K-Nearest Neighbors)聚類法和K-means聚類算法。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；K-means聚類算法需要人為確定分類數量，而確定分類數量是一個主觀性因素較重的環節，其次在開始聚類的時候需要隨機生成初始聚類中心，初始聚類中心的變化可能也會導致分類最終結果的改變。

發明內容

本發明的目的在于提供一種可靠性高、準確性好且科學合理的基于聚類算法的大工業用戶細分方法。

本發明提供的這種基于聚類算法的大工業用戶細分方法，包括如下步驟：

S1.收集目標地區的大工業用戶的用戶負荷數據；

S2.對步驟S1獲取的用戶負荷數據進行預處理；

S3.采用均值漂移算法對目標地區的大工業用戶進行聚類，從而得到初始聚類中心及中心數量；

S4.根據步驟S1獲取的用戶負荷數據和步驟S3得到的初始聚類中心及中心數量，采用聚類算法對目標地區的大工業用戶進行細分，從而得到最終的大工業用戶細分結果。

步驟S2所述的對步驟S1獲取的用戶負荷數據進行預處理，具體為采用如下步驟對用戶負荷數據進行預處理：

A.刪除用戶負荷數據中的無效數據記錄；

B.刪除用戶負荷數據中連續缺失超過若干個的負荷數據；

C.根據步驟A和步驟B處理后的用戶負荷數據，計算各個用戶的日負荷率。

步驟S3所述的采用均值漂移算法對目標地區的大工業用戶進行聚類，從而得到初始聚類中心及中心數量，具體為采用如下步驟計算得到初始聚類中心及中心數量：

a.在特征空間中任意選擇初始搜索區域圓O，其半徑為帶寬h；

b.采用如下算式計算圓O中采樣點的均值m_h(x)，且要求m_h(x)處的密度大于圓心O處的密度：

式中n為圓O中包含的點的個數；x為初始任意選擇的圓O的圓心，為一個列向量；x_i為第i個點，也是一個列向量；h為帶寬；h^-1為帶寬取倒數；||x||為x的模；g(x)＝-k′(x)，k(x)為輪廓函數，k′(x)為k(x)求導。

c.計算圓心O處的密度與均值m_h(x)的差值M_h(x)，M_h(x)為均值漂移向量且指向密度增加的方向；

d.根據步驟c計算的均值漂移向量M_h(x)進行判斷：