[發(fā)明專利]基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法及負(fù)荷聚類系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211240860.3
• 申請日: 2022-10-11
• 公開（公告）號: CN115577282A
• 公開（公告）日: 2023-01-06
• 發(fā)明（設(shè)計）人: 韓曉歐;趙龍;孫會濤;臧昱秀;王聰;趙昊東;馮天民
• 申請（專利權(quán)）人: 國網(wǎng)遼寧省電力有限公司沈陽供電公司
• 主分類號: G06F18/23213
• 分類號: G06F18/23213;G06F18/241;G06Q10/06;G06Q50/06
• 代理公司: 沈陽維特專利商標(biāo)事務(wù)所(普通合伙) 21229
• 代理人: 張倩怡

1.一種基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法，其特征在于，所述負(fù)荷聚類方法包括如下步驟：

基于電力大數(shù)據(jù)，獲取負(fù)荷用電數(shù)據(jù)；

根據(jù)負(fù)荷用電數(shù)據(jù)，對負(fù)荷樣本進(jìn)行第一次聚類，獲取第一次負(fù)荷樣本聚類結(jié)果；

根據(jù)歷史負(fù)荷可調(diào)節(jié)潛力主要影響因素和歷史負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)，采用機器學(xué)習(xí)算法獲得訓(xùn)練模型；

基于所述訓(xùn)練模型獲取當(dāng)前負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)；

基于所述當(dāng)前負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)，對所述第一次負(fù)荷樣本聚類結(jié)果進(jìn)行第二聚類，獲取第二次負(fù)荷樣本聚類結(jié)果；

基于所述第二負(fù)荷聚類結(jié)果，確定所述負(fù)荷樣本的類別。

2.根據(jù)權(quán)利要求1所述的基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法，其特征在于所述負(fù)荷用電數(shù)據(jù)包括以下四個指標(biāo)：負(fù)荷用電峰值P_max、負(fù)荷用電谷值P_min、負(fù)荷平均用電功率和負(fù)荷最大利用小時數(shù)Γ，其中，

式中，P(t)為t時刻負(fù)荷用電功率，T為負(fù)荷用電數(shù)據(jù)采集周期。

3.根據(jù)權(quán)利要求2所述的基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法，其特征在于，所述第一次聚類采用所述K-means聚類方法，包括如下步驟：

選取K個數(shù)據(jù){e₁,e₂,e₃...,e_k},1≤k≤n作為初始聚類中心，其中每一個所述初始聚類中心均由所述負(fù)荷用電數(shù)據(jù)的四個指標(biāo)(P_max、P_min、和Γ)進(jìn)行描述；

根據(jù)所述負(fù)荷樣本的所述四個指標(biāo)計算與每一個所述初始聚類中心的歐式距離d，其中，u_mn為第n個用戶指標(biāo)屬于第m類，u_mn＝0為該用戶不屬于此類；d(c_m,x_n)為用戶樣本到其所在類別聚類中心的距離；c_m為用戶樣本聚類中心；x_n為某一類中用戶樣本數(shù)據(jù)；

判斷聚類前和聚類后的所述負(fù)荷樣本的類別情況是否相同，如果相同，則算法終止，否則進(jìn)入下一步；

針對每個類別中的所有所述負(fù)荷樣本，計算所有所述負(fù)荷樣本的中心點，當(dāng)做該類的新聚類中心，重新獲取所述負(fù)荷樣本到所述新聚類中心的歐氏距離，直至所述負(fù)荷樣本的相鄰兩次聚類結(jié)果相同，則第一次聚類結(jié)束，得到所述第一次負(fù)荷樣本聚類結(jié)果。

4.根據(jù)權(quán)利要求1所述的基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法，其特征在于，獲得所述訓(xùn)練模型具體包括如下步驟：

根據(jù)所述歷史負(fù)荷可調(diào)節(jié)潛力主要影響因素和所述歷史負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)，將數(shù)據(jù)分為兩組，學(xué)習(xí)組和訓(xùn)練組，每一組均包括所述歷史負(fù)荷可調(diào)節(jié)潛力主要影響因素和對應(yīng)的所述歷史負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)；

以所述歷史負(fù)荷可調(diào)節(jié)潛力主要影響因素作為輸入，所述歷史負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)作為輸出，基于所述學(xué)習(xí)組的數(shù)據(jù)采用所述機器學(xué)習(xí)方法建立學(xué)習(xí)模型；

基于所述訓(xùn)練組的數(shù)據(jù)對所述學(xué)習(xí)模型進(jìn)行修正得到所述訓(xùn)練模型；

將當(dāng)前負(fù)荷可調(diào)節(jié)潛力主要影響因素輸入所述訓(xùn)練模型中，獲取當(dāng)前負(fù)荷可調(diào)節(jié)潛力數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的基于負(fù)荷可調(diào)節(jié)潛力的負(fù)荷聚類方法，其特征在于，所述歷史負(fù)荷可調(diào)節(jié)潛力主要影響因素和所述當(dāng)前負(fù)荷可調(diào)節(jié)潛力主要影響因素均包括溫度Tem、企業(yè)生產(chǎn)計劃和歷史調(diào)節(jié)潛力偏差。