[发明专利]一种自动寻优型电力负荷分类方法

说明书

本发明涉及一种自动寻优型电力负荷分类方法，本发明采用K‑means均值聚类算法对电力负荷进行分类，并计算每个分类的聚类中心值曲线，计算聚类中心值曲线的平均距离MA，以及每个分类的各负荷曲线到聚类中心值曲线的距离MB，并以这两者的比值K_n＝MB/MA作为最优分类结果比较变量z；令n＝n+1，重复上述过程得到更新后的比值K_n，将更新后的比值K_n与z进行比较，若K_n<z，用当前的K_n值替换z，在K_n>z时不做替换，直至分类结果中含有空的数据或相邻两次分类结果中的K_n的差值与K_n的比值小于设定的收敛条件，并以此时的变量z对应的分类作为最终的最优分类。本发明大大减少了负荷分类的人工寻优判别时间，同时减少了人工判别的误差与不准确度。

技术领域

本发明涉及一种自动寻优型电力负荷分类方法，属于负荷特性分类技术领域。

背景技术

目前的电力负荷分类主要是按照用电负荷的行业性质来分的，分为居民生活、商业、工业、农业生产等几类用电负荷。这种分类方法并不能反应用户负荷的具体特性，该分类方法不仅缺乏分类科学依据，并且没有实际意义，特别是对于工业负荷，由于工业负荷种类繁多，如冶金、钢铁、石油、化工、机械、水泥、煤炭、电气化铁道、铝业加工等，仅仅简单地把其分为大工业及不同工业用户太过简单。因此，到目前为止，虽然对于电力负荷分类有很多种分类方法，但这些分类方法都没有考虑到负荷的具体特性，没有利用负荷的典型日负荷曲线数据，这些负荷分类方法在电力需求侧管理及电力市场的电价政策制定上缺乏根据。

发明内容

本发明的目的是提供一种自动寻优型电力负荷分类方法，以解决目前分类方法没有利用负荷的典型日负荷曲线数据导致在电力需求侧管理及电力市场的电价政策制定上缺乏根据。

本发明为解决上述技术问题提供了一种自动寻优型电力负荷分类方法，该分类方法的步骤如下：

1)获取典型日负荷曲线数据，并对其进行归一化处理；

2)令电力负荷分类数n＝2；

3)采用K-means均值聚类算法对电力负荷进行分类，并计算每个分类的聚类中心值曲线，计算聚类中心值曲线的平均距离MA，以及每个分类的各负荷曲线到聚类中心值曲线的距离MB，并以这两者的比值K_n＝MB/MA作为最优分类结果比较变量z；

4)令n＝n+1，重复步骤3)得到更新后的比值K_n，将更新后的比值K_n与z进行比较，若K_n<z，用当前的K_n值替换z，在K_n>z时不做替换，直至分类结果中含有空的数据或相邻两次分类结果中的K_n的差值ΔK_n＝|K_n+1-K_n|与K_n的比值小于设定的收敛条件ΔK_n/K_n＜ε_set，并以此时的变量z对应的分类作为最终的最优分类。

所述步骤1)中的典型日负荷曲线的获取过程如下：

A.提取日负荷曲线数据库中一段时间内有相近负荷特性的日负荷曲线数据；

B.对所提取的日负荷曲线数据中的空数据或奇异点数据进行插值拟合处理；

C.对拟合处理后的日负荷曲线数据进行加权平均值处理。

所述当负荷分类数n大于或等于1/4电力负荷数时，自动停止寻优操作。