[发明专利]电力用户的分类方法、装置、计算机设备和存储介质

说明书

本发明涉及电力用户的分类方法、装置、计算机设备和存储介质，属于分类技术领域。所述方法包括：获取多个用电负荷数据；其中，每个用电负荷数据对应一个电力用户；根据预设范围内的聚类个数以及对应的初始聚类中心对用电负荷数据进行聚类分析；其中，初始聚类中心由所述用电负荷数据之间的距离以及对应的聚类个数确定；分别获取各个聚类个数对应的聚类结果，确定各个聚类结果的轮廓系数指标；将轮廓系数指标最高的聚类结果确定为最终聚类结果，根据所述最终聚类结果确定各个电力用户所属的聚类类别。上述技术方案，解决了通过聚类分析方法对电力用户进行分类时不够准确的问题，实现了对电力用户的准确分类。

技术领域

本发明涉及分类技术领域，特别是涉及电力用户的分类方法、装置、计算机设备和存储介质。

背景技术

随着智能电网背景下用电信息采集“全覆盖”的实现，以及近年来负荷数据的不断累加，基于用电信息采集的电力用户分类具有重要意义。目前电力用户分类主要是依据电力用户日用电负荷曲线的形态变化，衡量不同电力用户负荷曲线的相似性，使用聚类分析方法对电力用户的用电负荷数据进行分类。在实现本发明过程中，发明人发现现有技术中至少存在如下问题：目前的电力用户分类方法，在对电力用户的用电负荷数据进行聚类时通常根据经验确定或随机选择初始聚类中心和聚类个数，导致得到的聚类效果差，对电力用户的分类不够准确。

发明内容

基于此，本发明提供了电力用户的分类方法、装置、计算机设备和存储介质，能实现对用电用户的准确分类。

本发明实施例的内容如下：

一种电力用户的分类方法，包括以下步骤：获取多个用电负荷数据；其中，每个用电负荷数据对应一个电力用户；根据预设范围内的聚类个数以及对应的初始聚类中心对用电负荷数据进行聚类分析；其中，初始聚类中心由所述用电负荷数据之间的距离以及对应的聚类个数确定；分别获取各个聚类个数对应的聚类结果，确定各个聚类结果的轮廓系数指标；将轮廓系数指标最高的聚类结果确定为最终聚类结果，根据所述最终聚类结果确定各个电力用户所属的聚类类别。

在其中一个实施例中，所述根据预设范围内的聚类个数以及对应的初始聚类中心对用电负荷数据进行聚类分析的步骤，包括：对于所述预设范围内的某一聚类个数，随机选取所述多个用电负荷数据中的一个用电负荷数据作为已确定的初始聚类中心；依次从剩余的用电负荷数据中选取下一个已确定的初始聚类中心，直到选取出的已确定的初始聚类中心的个数达到所述某一聚类个数；其中，在所述剩余的用电负荷数据与所有已确定的初始聚类中心的欧氏距离之和中，所述下一个已确定的初始聚类中心的所述欧氏距离之和最高；根据已确定的初始聚类中心对所述用电负荷数据进行K-means聚类分析。

在其中一个实施例中，所述根据已确定的初始聚类中心对所述用电负荷数据进行K-means聚类分析的步骤，包括：计算所述用电负荷数据与所述已确定的初始聚类中心的欧式距离，将各个用电负荷数据分配到所述欧式距离最小的初始聚类中心对应的聚类类别中；计算各个聚类类别的重心，将所述重心作为对应聚类类别的新聚类中心。

在其中一个实施例中，所述确定各个聚类结果的轮廓系数指标的步骤，包括：对于某一聚类结果，确定某一用电负荷数据与同一聚类类别中其他用电负荷数据之间的欧式距离的均值，作为第一系数；确定所述某一用电负荷数据与距离最近的聚类类别中各个用电负荷数据之间的欧式距离的均值，作为第二系数；根据所述第一系数和第二系数计算所述某一用电负荷数据的轮廓系数；计算各个用电负荷数据的轮廓系数的均值，得到对应聚类结果的轮廓系数指标。

在其中一个实施例中，所述获取多个用电负荷数据的步骤之后，还包括：确定所述用电负荷数据的缺失值，对所述缺失值进行删除和/或补充处理。

在其中一个实施例中，所述用电负荷数据包括对应电力用户的多个时间段的多个用电量；所述对所述用电负荷数据的缺失值进行处理的步骤之后，还包括：根据某一用电负荷数据以及对应时间段所有电力用户中的最大用电量和最小用电量，对所述用电负荷数据进行归一化处理。