[發明專利]一種基于粒子群改進K均值算法的負荷曲線聚類方法及系統

有效

• 申請號: 202110695568.X
• 申請日: 2021-06-23
• 公開（公告）號: CN113378954B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 覃日升;李勝男;姜訸
• 申請（專利權）人: 云南電網有限責任公司電力科學研究院
• 主分類號: G06F18/23213
• 分類號: G06F18/23213;G06F18/241;G06N3/006;G06Q50/06
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

本申請屬于電力系統分析與控制技術領域，提供一種基于粒子群改進K均值算法的負荷曲線聚類方法及系統，所述一種基于粒子群改進K均值算法的負荷曲線聚類方法包括：獲取多個用戶的原始負荷曲線負荷并進行預處理，獲得負荷數據集；采用粒子群算法獲得K均值算法的M個初始聚類中心；將數據對象分配到最近的聚類中心，獲得M個相應的類簇；分別計算每個類簇中所有數據對象屬性值均值，獲得M個新聚類中心；根據每個類簇的新聚類中心和初始聚類中心是否相同來選擇是否更新初始聚類中心；將新聚類中心作為K均值算法的最終聚類中心。上述基于粒子群改進K均值算法的負荷曲線聚類方法有效提高了日負荷曲線聚類方法的準確性和收斂速度。

技術領域

本申請屬于電力系統分析與控制技術領域，具體涉及一種基于粒子群改進K均值算法的負荷曲線聚類方法及系統。

背景技術

隨著智能電網建設的不斷推進，數據采集設備可以收集到大量用戶的用電情況。不同類型的用戶，如民用、商業、工業和農業等，在電力消費模式上存在很大的差異，即使是同一類型的用戶，他們的用電模式也可能不一樣。如何采取有效的數據挖掘技術，在大數據背景下對不同類型的海量用戶負荷曲線數據進行精細化劃分，從而挖掘出不同類型負荷間的內在聯系及對應的用電行為和用電特性等信息，無疑對負荷預測、電網規劃和需求側響應均有一定的指導意義。

傳統的負荷曲線聚類方法主要包括基于原始負荷數據的直接聚類方法和基于降維的間接聚類方法，直接聚類方法通常是將負荷曲線各采樣時刻點的負荷值經歸一化后，采用K均值、模糊C均值和自組織映射等算法進行聚類，K均值算法是一種快速易實現，效果良好的聚類算法。但傳統的K均值算法存在兩個固有的缺點，一方面對于隨機的初始值選擇可能會導致不同的聚類結果，甚至存在無解的情況，第二方面K均值算法是基于梯度下降的算法，因此不可避免地常常陷入局部最優解。

為了克服K均值算法的上述缺陷，可以結合遺傳算法對K均值算法進行改進，例如，以K均值算子來代替遺傳算法中的交叉算子，提出了一種混合遺傳聚類算法。還可以采用聚類中心的浮點編碼方式，并設計了浮點數交叉和變異算法來提高搜索效率。

然而，當樣本數目、樣本維度和樣本類別數較大時，上述兩種方法常常出現過早的收斂于局部極優的現象，當算法出現早熟時，僅僅依靠較小的變異概率很難從局部極優點跳出，而且由于進化算法在進化過程中可能會產生退化現象，將導致迭代次數過長以及聚類準確率不高。

發明內容

本申請提供一種基于粒子群改進K均值算法的負荷曲線聚類方法及系統，以提供一種準確率更高的日負荷曲線聚類方法及系統。

本申請第一方面提供一種基于粒子群改進K均值算法的負荷曲線聚類方法，所述一種基于粒子群改進K均值算法的負荷曲線聚類方法包括：

步驟1：獲取多個用戶原始負荷曲線的負荷數據，對原始負荷曲線的負荷數據進行預處理，獲得負荷數據集，所述負荷數據集由多個數據對象組成，一個數據對象代表一條負荷曲線的負荷數據；

步驟2：基于負荷數據集預分類的類簇數目確定聚類中心個數M，采用粒子群算法進行多次迭代，獲得K均值算法的M個初始聚類中心；

步驟3：分別計算數據對象到所有初始聚類中心的距離，按照最接近原則，將數據對象分配到最近的聚類中心，直到所有數據對象分配完畢，獲得M個相應的類簇；

步驟4：分別計算每個類簇中所有數據對象屬性值均值，獲得M個新聚類中心；

步驟5：判斷每個類簇的新聚類中心和初始聚類中心是否相同；若存在類簇的新聚類中心與初始聚類中心不相同，則用所有新聚類中心的編碼值更新所有初始聚類中心的編碼值，并跳轉至步驟3；若所有類簇的新聚類中心與初始聚類中心相同，則跳轉至步驟6；

步驟6：將新聚類中心作為K均值算法的最終聚類中心，對負荷數據集中所有的數據對象進行分類。