[发明专利]一种基于智能电网的负荷曲线分类系统在审
申请号: | 201810533686.9 | 申请日: | 2018-05-29 |
公开(公告)号: | CN108875801A | 公开(公告)日: | 2018-11-23 |
发明(设计)人: | 杨金源 | 申请(专利权)人: | 深圳万智联合科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06Q10/06;G06Q50/06 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 518000 广东省深圳市南山区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 负荷曲线 负荷数据 负荷数据采集 结果分析模块 界面显示模块 分类结果 分类模块 分类系统 清洗模块 智能电网 电力负荷曲线 负荷曲线数据 有效性指标 电力用户 负荷分类 聚类操作 聚类算法 模糊聚类 模糊因子 消费模式 自适应 聚类 清洗 采集 电网 分类 能源 分析 | ||
一种基于智能电网的负荷曲线分类系统,包括负荷数据采集模块、负荷数据清洗模块、负荷曲线分类模块、结果分析模块和界面显示模块,所述负荷数据采集模块用于采集电网的负荷数据,所述负荷数据清洗模块用于对所述负荷数据进行处理,所述负荷曲线分类模块采用聚类算法对清洗后的负荷曲线数据进行聚类操作,所述结果分析模块用于对所得的负荷曲线分类结果进行分析,从而了解电力用户的能源消费模式,所述界面显示模块采用LED屏对负荷曲线的分类结果进行显示。本发明的有益效果为:提出了基于模糊聚类有效性指标自适应的确定FCM聚类中最佳聚类数和最优模糊因子m的方法,并将这一方法应用于电力负荷曲线分类,提高了负荷分类的准确性和有效性。
技术领域
本发明创造涉及智能电网领域,具体涉及一种基于智能电网的负荷曲线分类系统。
背景技术
随着我国经济的快速发展和人民生活水平的日益提高,用户用电呈现出增长态势,各行业的快速发展使得用户用电需求趋于多元化,对供电的要求也日益提高。为满足日益增长的用电需求,对智能电网中用户数据进行分析和挖掘有助于了解分析用户用电行为习惯和研究用户类型,能够帮助电网公司了解用户的个性化、差异化服务需求,从而为未来的电网需求响应政策的指定提供数据支撑。
智能电网下,各种量测设备采集到的负荷数据的规模非常大,这些海量负荷数据对分析电网运行状态、用户行为分析以及电网规划有着至关重要的作用。对所述负荷数据进行负荷曲线分类对电力需求管理有着重要的意义。目前,对负荷曲线进行分类的方法有很多,本发明采用模糊C均值聚类算法对负荷曲线进行分类,针对模糊C均值聚类算法存在的缺点,本发明以一种新的聚类有效性指标为基础自适应的确定FCM算法中的聚类数目,并通过粒子群算法自适应的确定最优模糊参数值,从而达到最优的聚类结果。
发明内容
针对上述问题,本发明旨在提供一种基于智能电网的负荷曲线分类系统。
本发明创造的目的通过以下技术方案实现:
一种基于智能电网的负荷曲线分类系统,包括负荷数据采集模块、负荷数据清洗模块、负荷曲线分类模块、结果分析评估模块和界面显示模块,所述负荷数据采集模块用于采集电网的负荷数据,所述负荷数据清洗模块用于对所述负荷数据进行标准化处理,进而对标准化处理后的负荷数据中的不良数据进行剔除和修正,所述负荷曲线分类模块采用聚类算法对清洗后的负荷曲线数据进行聚类操作,所述结果分析模块用于对所得的负荷曲线分类结果进行分析,从而了解电力用户的能源消费模式,所述界面显示模块采用LED屏对负荷曲线的分类结果进行显示。
本发明创造的有益效果:提供一种基于智能电网的负荷曲线分类系统,提出了基于模糊聚类有效性指标自适应的确定FCM聚类中最佳聚类数和最优模糊因子m的方法,并将这一方法应用于电力负荷曲线分类,提高了负荷分类的准确性和有效性,有助于理解不同类型负荷的特性以及不同电力用户的消费模块,为电力系统的实施和电力系统决策提供了支持。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图;
附图标记:
负荷数据采集模块1;负荷数据清洗模块2;负荷曲线分类模块3;结果分析模块4;界面显示模块5;特征确定单元31;参数设置单元32;负荷数据聚类单元33。
具体实施方式
结合以下实施例对本发明作进一步描述。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳万智联合科技有限公司,未经深圳万智联合科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810533686.9/2.html,转载请声明来源钻瓜专利网。