[發明專利]基于K-means和支持向量回歸的電力用戶分類方法、裝置及系統

在審

• 申請號: 202210286512.3
• 申請日: 2022-03-23
• 公開（公告）號: CN114781486A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 姚棟方;閻帥;吳瀛;肖達理;羅磊;楊俊;武玨;胡宇林;譚炳源;陳崇明;周宇;鄭寬昀;武文廣;黃福興;丁宏;周廣山;李坤;朱康;曾玉
• 申請（專利權）人: 中國南方電網有限責任公司超高壓輸電公司;南瑞集團有限公司;中國電力工程顧問集團中南電力設計院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06;H02J3/00
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 俞翠華

1.一種基于K-means和支持向量回歸的電力用戶分類方法，其特征在于，包括：

獲取歷史負荷數據；

選用K-means方法對所述歷史負荷數據進行聚類，其中，聚類類別數通過輪廓系數法確定，聚類中心通過層次聚類法確定；

利用聚類結果訓練獲得支持向量回歸模型；

將獲得的實時負荷數據輸入至所述支持向量回歸模型，獲得電力用戶分類。

2.根據權利要求1所述的一種基于K-means和支持向量回歸的電力用戶分類方法，其特征在于，在所述獲取歷史負荷數據步驟之后還包括：

采用三次指數平滑法對所述歷史負荷數據進行補齊處理。

3.根據權利要求2所述的一種基于K-means和支持向量回歸的電力用戶分類方法，其特征在于，三次指數平滑處理后的負荷數據的表達形式為：

式中，X_t為原始負荷數據，α為平滑因子；t為時間；分別為一次、二次、三次指數平滑值。

4.根據權利要求2所述的一種基于K-means和支持向量回歸的電力用戶分類方法，其特征在于，所述聚類類別的確定方法包括：

將歷史負荷數據以列的形式存儲在數據庫中，構成樣本集，其中，每列構成一個向量點，作為組成集合的一個子集；

按樣本集自身具有的數據差異性，采用層次聚類法進行初始的類劃分，構成簇；

分別計算簇中各向量點的向量輪廓系數；所述向量輪廓系數的計算公式為：

式中，A(i)為向量i到同一簇內其他點不相似程度的平均值，B(i)為向量i到其他簇的平均不相似程度的最小值，Z(i)為輪廓系數，介于[-1,1]；

選擇輪廓系數更接近1的類別數作為K-means聚類的類別數。

5.根據權利要求1所述的一種基于K-means和支持向量回歸的電力用戶分類方法，其特征在于，所述聚類中心的確定方法包括：

先利用層次聚類算法進行初始的類劃分，獲得多個類；

計算各個類內對象的均值，并將它作為K-mean算法的初始聚類中心。

6.一種基于K-means和支持向量回歸的電力用戶分類裝置，其特征在于，包括：

獲取模塊，用于獲取歷史負荷數據；

聚類模塊，用于選用K-means方法對所述歷史負荷數據進行聚類，其中，聚類類別數通過輪廓系數法確定，聚類中心通過層次聚類法確定；

訓練模塊，用于利用聚類結果訓練獲得支持向量回歸模型；

分類模塊，用于將獲得的實時負荷數據輸入至所述支持向量回歸模型，獲得電力用戶分類。

7.根據權利要求6所述的一種基于K-means和支持向量回歸的電力用戶分類裝置，其特征在于，在所述獲取歷史負荷數據步驟之后還包括：

采用三次指數平滑法對所述歷史負荷數據進行補齊處理；

三次指數平滑處理后的負荷數據的表達形式為：

式中，X_t為原始負荷數據，α為平滑因子；t為時間；分別為一次、二次、三次指數平滑值。

8.根據權利要求6所述的一種基于K-means和支持向量回歸的電力用戶分類裝置，其特征在于，所述聚類類別的確定方法包括：

將歷史負荷數據以列的形式存儲在數據庫中，構成樣本集，其中，每列構成一個向量點，作為組成集合的一個子集；

按樣本集自身具有的數據差異性，采用層次聚類法進行初始的類劃分，構成簇；

分別計算簇中各向量點的向量輪廓系數；所述向量輪廓系數的計算公式為：

式中，A(i)為向量i到同一簇內其他點不相似程度的平均值，B(i)為向量i到其他簇的平均不相似程度的最小值，Z(i)為輪廓系數，介于[-1,1]；

選擇輪廓系數更接近1的類別數作為K-means聚類的類別數。