[發明專利]一種面向電力多元負荷用戶的精細分類方法及系統

在審

• 申請號: 202010531623.7
• 申請日: 2020-06-11
• 公開（公告）號: CN111724278A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 李振元;孫勇;李寶聚;熊健;李德鑫;呂項羽;劉暢;劉姝秀;張海鋒;王佳蕊;張家郡
• 申請（專利權）人: 國網吉林省電力有限公司;國網吉林省電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q30/02;G06K9/62;G06F17/15;G06F17/16
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

1.一種面向電力多元負荷用戶的精細分類方法，其特征在于，包括以下步驟：

S10、獲取電力多元負荷用戶的歷史用電數據，進行預處理；

S20、對預處理后的數據進行聚類分析，得到劃分不同類型的負荷特征曲線；

S30、根據所述不同類型的負荷特征曲線，利用SVM分類器進行訓練，生成分類預測模型；

S40、將待分類的用戶歷史用電數據，輸入所述分類預測模型，得到輸出的分類結果。

2.如權利要求1所述的一種面向電力多元負荷用戶的精細分類方法，其特征在于，所述步驟S10，包括：

S101、選取橫縱異常值處理方法，對歷史用電數據進行修正；

S102、利用z-score數據標準化按照預設比例對修正后的歷史用電數據進行縮放，落入指定區間；其中：所述z-score數據標準化轉化函數為：

(1)式中，x_ij表示原數據；s_j表示第j組數據的方差；表示第j組數據的均值；x′_ij表示經過zscore標準化后的數據；i表示橫向采集點的個數，最大值為m；j表示縱向用戶的序號，最大值為n；

S103、采用PCA降維定義第i個主成分的貢獻率β_i，將貢獻率大于預設閾值的屬性保留；其中，貢獻率計算公式為：

(2)式中，λ_i表示標準化后數據的協方差矩陣的特征值；k表示1到m之間的參數，用來計算全部方差；λ_k表示方差。

3.如權利要求2所述的一種面向電力多元負荷用戶的精細分類方法，其特征在于，所述步驟S20，包括：利用改進K-means算法，優化初始K值以及選取最佳初始聚類中心。

4.如權利要求3所述的一種面向電力多元負荷用戶的精細分類方法，其特征在于，利用改進K-means算法，優化初始K值以及選取最佳初始聚類中心，包括：

S201、確定K值：利用簇內誤差平方和以及數據可視化確定K值；

S202、選取初始聚類中心：從預處理后的數據集中隨機選取一個樣本x_i作為初始聚類中心C；

S203、迭代選取K個聚類中心：對于數據集中的每一個樣本點x_i，D(x)表示x_i與當前聚類中心A的最短距離；選擇D(x)較大的點B作為新的聚類中心；重復該步驟直至選出K個聚類中心；

S204、循環迭代聚類：根據計算每一類得到的均值，計算每個樣本與中心樣本間的距離，并依照最小距離原則重新劃分樣本；對于有變化的聚類均值進行重新計算，循環該步驟，直至聚類不再變化；

S205、負荷特征提取：對分類結果做特征提取；

S206、用戶類別標注：將聚類結果給原數據集加標簽，形成標注的數據集；

S207、精細劃分：對第一次分類后的結果，做二次聚類精細劃分負荷用戶；提取第一次聚類后同一類別的用戶，重復步驟S201至步驟S206，獲取用戶精細劃分后的標簽。

5.如權利要求1-4任一項所述的一種面向電力多元負荷用戶的精細分類方法，其特征在于，所述步驟S40中，輸入所述分類預測模型前，還包括：將待分類的用戶歷史用電數據進行預處理。

6.一種面向電力多元負荷用戶的精細分類系統，其特征在于，包括：

預處理模塊，用于獲取電力多元負荷用戶的歷史用電數據，進行預處理；

聚類分析模塊，用于對預處理后的數據進行聚類分析，得到劃分不同類型的負荷特征曲線；

分類訓練模塊，用于根據所述不同類型的負荷特征曲線，利用SVM分類器進行訓練，生成分類預測模型；

用戶分類模塊，用于將待分類的用戶歷史用電數據，輸入所述分類預測模型，得到輸出的分類結果。