[發明專利]一種改進的k-means異常負荷檢測方法及系統

在審

• 申請號: 202210033466.6
• 申請日: 2022-01-12
• 公開（公告）號: CN114358207A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 陳峰;陸海清;郭云鵬;葉炯;章姝俊;周升彧;張曉;周興華;張慧敏;李磐旎;華文;陸承宇;吳俊;王松;陸翌
• 申請（專利權）人: 國網浙江省電力有限公司電力科學研究院;國網浙江省電力有限公司;北京中恒博瑞數字電力科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;H02J3/00
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 張建青

本發明公開了一種改進的k?means異常負荷檢測方法及系統。本發明的檢測方法包括步驟：利用手肘法確定聚類個數K，并記錄最佳聚類個數K時的聚類結果作為第一次聚類結果；計算每個數據之間的加權相異度，并計算相異度參數、總體數據的平均相異度以及總體數據的平均相異度參數，根據相異度參數剔除離群點；根據聚類中心與其他點相異度參數較大的原則，找出K個初始聚類中心；將聚類個數K與K個初始聚類中心輸入到k?means算法中，利用k?means算法輸出聚類結果；異常數據判定。本發明改進k?means算法，在對相異度的計算時增加權重的影響，提高了異常數據的檢測精度。

技術領域

本發明涉及電力系統數據處理技術領域，具體地說是一種改進的k-means異常負荷檢測方法及系統。

背景技術

目前，電力系統的迅速發展和電力改革的不斷推進，使得電網結構和運行方式變得越來越復雜。配電網作為電網中重要的一環，不僅有著分布廣、運行復雜以及規模大的特點，而且對于電力用戶來說，配電網的安全運行是獲得可靠高質量電能的關鍵。在配電網中，用戶繁多，數據質量參差不齊。用戶的負荷數據是否可靠準確，極大程度上影響著我國電力行業的進步與發展。但隨著配電網數據規模的增大、量測系統的不完善以及傳輸通道的影響，電力負荷數據不可避免地會發生一些異常現象，如缺失點、連續零值、連續固定值、突增點、突降點、噪聲異常負荷點等等。這些異常負荷不僅會對配電網的控制分析造成影響，更嚴重的是，電力系統調度員基于這些異常負荷產生的不正確判斷有很大可能破壞系統的正常運行，進而破壞電力系統的安全穩定。為了保障電力系統安全運行與配電網的優化控制，對這些異常數據的檢測是十分有必要的。

鑒于配電網用戶負荷數據的重要性，負荷異常數據的檢測方法吸引了眾多專家學者的關注。他們通過分析負荷數據的特點，利用統計分析、聚類、神經網絡以及數據挖掘等理論對異常數據的檢測進行了研究。其中，k-means算法是應用較為廣泛以及易于實現的方法。

k-means算法作為聚類算法的一種，可以根據數據的本身屬性將其進行分類，聚類結果可以表現出數據對象的密集或者稀疏程度，根據這個特點，k-means算法可以用來進行異常負荷的檢測。傳統的k-means算法對于初始聚類中心的選擇是隨機的，經研究發現k-means算法對初始聚類中心總是很敏感，不同的初始聚類中心會產生不同的聚類結果，影響算法的精度以及收斂性。另外，研究發現離群點會對k-means聚類效果產生很大的影響。

發明內容

本發明所要解決的技術問題是克服上述現有技術存在的缺陷，提供一種改進的k-means異常負荷檢測方法及系統，其改進k-means算法，在對相異度的計算時增加權重的影響，以提高異常數據的檢測精度。

為此，本發明采用的一種技術方案為：一種改進的k-means異常負荷檢測方法，其包括步驟：

1)獲取配電網負荷數據，得到負荷數據集；

2)標準化處理負荷數據集，去除量綱對聚類的影響；并計算負荷數據集不同維度的權重；

3)利用手肘法確定聚類個數K，并記錄最佳聚類個數K時的聚類結果作為第一次聚類結果；

4)計算每個數據之間的加權相異度，并計算相異度參數、總體數據的平均相異度以及總體數據的平均相異度參數，根據相異度參數剔除離群點；根據聚類中心與其他點相異度參數較大的原則，找出K個初始聚類中心；

5)將聚類個數K與K個初始聚類中心輸入到k-means算法中，利用k-means算法輸出聚類結果；

6)異常數據判定。

進一步地，步驟1)的具體內容為：采集配電網每個用戶的日負荷數據，假設為n個，每1h為一點，即每日包含24個采樣點的日負荷，作為負荷數據集X；將負荷數據集X轉化為矩陣形式，行代表不同用戶的日負荷數據，列代表不同時刻的負荷，數據維度為n×24。