[发明专利]计及小波熵降维的电力负荷曲线双层谱聚类方法

权利要求书

1.计及小波熵降维的电力负荷曲线双层谱聚类方法，其特征是，包括：

数据采集：获取电力负荷的日负荷数据并形成数据集；

小波熵降维：对数据集中的电力负荷数据进行分段分为q个区间并计算区间q内原始数据集的小波熵s_q，

根据计算的小波熵值与小波熵阈值进行比较衡量数据的波动程度，大于指定阈值的波动程度大；相反，波动程度就相对较小；

统计区间q内小波熵值大于小波熵阈值的负荷数目并计算所述负荷数据占电力负荷的总负荷的比重；

将比重大于阈值的区间分为两段，再次计算区间内小波熵值并比较衡量数据的波动程度，直至区间内波动程度大的负荷占所有负荷的比例小于阈值或者区间内的点数不可以平分，获得可变时间分辨率的负荷曲线数据；

双层谱聚类：确定初始化聚类中心和聚类数目，采用谱聚类算法对降维以后的数据进行聚类，得到外层聚类的结果，即形态相似性的负荷类簇，并在外层聚类的基础上对每一外层采用谱聚类算法进行聚类获得精细化的负荷类簇；

所述双层谱聚类的方法，需要确定初始化聚类中心和聚类数目k，其中，初始化聚类中心选用密度法来确定，寻找密度参数最大值所对应的数据对象，确定其为第一个聚类中心，并从数据集中删除与该聚类中心之间的距离小于平均距离的数据对象；重复直到选取k个数据对象时停止；其中，密度法的公式如下：

式中d(x_i，x_j)表示对象x_i和x_j之间的欧式距离；m为总的负荷数目；p代表循环选取的任意一条负荷数据；p_i为其他任一负荷数据，M为对象之间的平均距离；表示从m个不同元素中取出2个元素的所有组合的个数；

所述小波熵降维的方法，需要考虑所有负荷的波动程度，计算每一个分段区间内的小波能量熵值时，根据提取出的小波变换的系数获得信源下的小波能量值，根据信源下的小波能量值获得总的系数的能量值，计算该信源下包含的能量在总能量中所占的概率，序列的小波能量熵在第q个子段内的定义：

其中，P_jq为j信源下包含的能量在总能量中所占的概率；

在比较小波能量熵与小波熵阈值时，定义τ_i为第i个负荷在某时间段的数据波动程度，通过比较小波能量熵S_q和小波熵阈值σ来衡量数据的波动程度：

τ_i＝1表示数据波动程度大，不能用均值表示其负荷曲线特征；τ_i＝0表示可以用均值粗略的表示这一段的特性；

统计每一段区间内小波熵值大于小波熵阈值的负荷数目并计算所述负荷数据占电力负荷的总负荷的比重时，具体方式为：

式中m为参与聚类的负荷数；ρ表示波动程度大的负荷数量占总负荷量的比值，如果它超过某一个阈值，则表示此区间内波动程度大的负荷数量较多，需要划分更多的数据段来表示其曲线特征，每段上数据点的计算采用分段聚合近似的方法获取；聚类数目选用聚类有效性指标最小值所对应的聚类数，外层谱聚类选用DBO作为聚类有效性指标，内层谱聚类选用DBI指标作为聚类有效性指标；

采用双层谱聚类算法，降维以后的数据分别按照相似性度量公式计算形似性，然后把此度量值转换成方阵，转换以后W_ij表示第i条负荷数据与第j条负荷数据的相似性度量值；

所述双层谱聚类包括外层聚类和内层聚类，小波熵降维的电力负荷曲线双层谱聚类算法适用于不同的需求响应，外层聚类对形态聚类，指导基于价格的需求响应，内层聚类在外层形态相似性聚类的基础上进行距离聚类，指导可中断响应容量的计算；

采用外层谱聚类算法对降维以后的数据集进行谱聚类，设有两条降维后的负荷曲线分别为x_i＝(x_i1，x_i2，…，x_iw)和x_j＝(x_j1，x_j2，…，x_jw)，w表示小波熵降维以后的数据维数，相似性度量如下：

其中，k取值为[1，w]，用来遍历上述两条负荷曲线x_i，x_j中的数据；x_ik，x_jk为上述两条负荷曲线中的数据；

然后，采用内层谱聚类对每一个外层聚类的负荷数据进行聚类，相似性度量如下：

输入谱聚类算法的数据是经过降维以后的数据，并且谱聚类算法选取k个特征值进行k-means聚类，在很大程度上减少了数据量，提高双层谱聚类算法的运行速度；

双层谱聚类算法改进了初始聚类中心的选取方法，每次运行结果都相同，提高算法的稳定性。