[发明专利]一种基于模糊C聚类的典型需求侧用户筛选方法

权利要求书

1.一种基于模糊C聚类的典型需求侧用户筛选方法，其特征在于：根据用户的电力、 电量数据提取特征量进而得到对应用户的日负荷曲线向量和电量水平特征，采用模 糊C-均值聚类算法对同种行业内的用户以日负荷曲线为特征量进行聚类获得日负荷 曲线相似的同类型用户及分类数目；根据日负荷曲线向量和电量水平特征以及分类 数目采用加权重心的思想建立同类型用户中的典型用户筛选模型，进而通过该筛选 模型从同类型用户中筛选出典型用户。

2.根据权利要求1所述的基于模糊C聚类的典型需求侧用户筛选方法，其特征在于： 包括以下步骤：

步骤1，根据用户的电力、电量数据提取特征量进而得到对应用户的日负荷曲线 向量和电量水平特征；

步骤2，根据日负荷曲线向量初步确定待分类用户类型及分类数目；然后根据用 户类型得到的用户日负荷曲线向量的隶属矩阵，同时用值在[0,1]间的随机数初始化 隶属矩阵U，使其满足约束条件：

Σi=1kuij=1,∀j=1,...,n;]]>

其中，u_ij表示第j个日负荷曲线向量属于第i类用户的隶属度；

步骤3，根据步骤1得到的用户日负荷曲线向量及步骤2得到的隶属矩阵建立每 类用户类型的聚类中心；

步骤4，根据步骤1得到的日负荷曲线向量、步骤2得到的隶属矩阵、步骤3 建立的聚类中心建立日负荷曲线向量的聚类目标函数，进而得到日负荷曲线向量的 聚类目标函数值：

步骤5，给定聚类目标阈值，将步骤4得到的聚类目标函数值与给定阈值比较， 判断目标函数值与给定阈值的大小关系，若目标函数值大于给定阈值，则返回步骤3 重新求解每类的聚类中心；

步骤6，根据步骤1得到的日负荷曲线向量，步骤2得到的分类用户类型、分类 数目、隶属矩阵以及步骤5得到确定的聚类中心建立分类数目的有效性进行检验模 型；给定有效性检验阈值，当有效性检验均在有效性检验阈值范围内时，分类数目 有效，若分类数目无效，返回步骤2重新确定分类数目；

步骤7，将根据步骤1得到的用户的日负荷曲线向量和电量水平特征作为其对应 用户的位置和重量，然后通过步骤6检验模型检验有效的分类数目通过加权重心的 思想建立典型用户的筛选模型，进而从同类型用户中筛选出典型用户。