[发明专利]一种基于自适应k-means++算法的负荷特性分析方法

权利要求书

1.一种基于自适应k-means++算法的负荷特性分析方法，其特征在于，包括如下步骤：

步骤S10、采集电网需求侧用户的日负荷曲线数据；

步骤S12、对数据进行预处理，筛选出有效的数据记录并进行归一化处理；

步骤S14、设定不同聚类数，采用k-means++算法对日负荷曲线进行聚类，综合不同聚类数时的聚类结果，构建判断矩阵；

步骤S16、对判断矩阵对应的加权邻接图通过迭代的方式进行图切分，获得日负荷曲线数据集的最佳聚类数；

步骤S18、以步骤S16所获得的最佳聚类数，采用k-means++算法对日负荷曲线进行聚类；

其中,步骤S14中综合不同聚类数时的聚类结果构建判断矩阵的步骤具体包括：

步骤S141、给定一个最大聚类数k，取[2，k]的范围内每个整数作为聚类数C，分别进行一次聚类；

步骤S142、从每次聚类的结果中得到一维向量L＝[l₁ l₂ … l_k … l_N]，其中，N为数据集的样本个数，l_k(1≤k≤N)表示第k个样本所属的聚类类别；

步骤S143、根据一维向量L，定义一个邻接矩阵O_C＝[o_ij]_N×N，其中，O_ij定义如下：

步骤S144、对每一次聚类，均获得一个邻接矩阵，将所有得到的邻接矩阵进行相加，得到一个判断矩阵其中，J_ij为判断矩阵中第i行第j列的元素。

2.如权利要求1所述的方法，其特征在于，步骤S10具体包括，周期性对终端用户的负荷数据进行采样获得日负荷曲线，所述周期性为每15min采样一次。

3.如权利要求2所述的方法，其特征在于，步骤S12中有效的数据记录为排除存在缺失值、负值、暴增及骤降情况的数据之后的日负荷曲线数据。

4.如权利要求3所述的方法，其特征在于，步骤S12中进行归一化处理具体为采用最大值归一化方法进行处理。

5.如权利要求4所述的方法，其特征在于，步骤S16的具体包括如下步骤：

步骤S161、输入判断矩阵J，设n＝0，J^previous＝J；n为迭代次数，J^previous为在先判断矩阵；

步骤S162、通过判断矩阵J^previous得到对应的加权邻接图G_subgraphs[n]和邻接图中的子图个数Clusternumber[n]，同时判断矩阵减1，具体操作为：

步骤S163、如果矩阵J^new不为零矩阵，J^previous＝J^new，n＝n+1，转至步骤S162；如果矩阵J^new为零矩阵，图切分过程结束，转至步骤S164，其中，J^new为最新判断矩阵，为最新判断矩阵中第i行第j列的元素，为在先判断矩阵中第i行第j列的元素；

步骤S164、统计数组Clusternumber[n]中不同子图个数出现的次数，排除掉子图个数等于1的情况，数组Clusternumber[n]余下项中出现次数最多的子图个数即为所求最佳聚类数。

6.如权利要求5所述的方法，其特征在于，根据步骤S18所得聚类结果，获得电力用户负荷特性以及用户用电规律。