[发明专利]一种基于k-shape聚类的典型负荷曲线获取方法

说明书

本发明涉及一种基于k‑shape聚类的用户典型负荷曲线获取方法，属于电力系统需求侧响应领域。该方法包括：负荷曲线归一化、定义负荷曲线相似度、初始化聚类中心、负荷曲线归类、更新聚类中心、分类收敛。本方法基于k‑means聚类改良，用余弦距离代替欧氏距离作为衡量不同负荷曲线之间相似度的标准，能更好地分辨出负荷曲线的形状特点而不受到幅度波动的影响，有助于提取用户典型的负荷特征。此外，相较传统的聚类方法用同类型样本的算术平均作为聚类中心的做法，本方法通过求解一个最大化瑞利熵模型获得聚类中心，使得中心与同类型样本的总相似度最大，更能反映负荷曲线的典型特征，有助于对用户负荷进行准确分析。

技术领域

本发明涉及一种基于k-shape聚类的居民用户典型负荷曲线获取方法，属于电力系统需求侧响应领域。

背景技术

用户负荷作为电力系统运行的末端环节，是保证电网稳定高效运行的关键。近年来，随着电动汽车、分布式可再生能源的普及，用户负荷的波动性和不确定性有较大提高，更是对电网的稳定运行提出了新的挑战。为了对用户负荷进行更深入的研究，并有针对性地提出需求侧响应的策略，需要能够准确把握用户侧的用电特征。然而，当前对于电力系统的研究仍主要集中于配网甚至更高层，对于分散的用户负荷关注度不够，捕捉用户用电特征的方法不多。

因此，分析用户负荷曲线，提取其中的典型特征，对于研究需求侧响应技术，提高能源利用效率具有重要意义。

发明内容

本发明的目的是提出一种基于k-shape聚类的典型负荷曲线获取方法，对海量的用户负荷曲线进行分类，获得每个类别的典型负荷曲线，作为分析用户用电行为特征的基本对象。

本发明提出的基于k-shape聚类的典型负荷曲线获取方法包括以下步骤：

S1：用户负荷数据预处理，包括以下步骤：

S1-1：负荷序列向量化；

S1-2：负荷向量归一化；

S2：定义两条负荷曲线之间的余弦相似度；

S3：聚类中心初始化；

S4：负荷曲线归类；

S5：计算新的聚类中心；

S6：迭代收敛。

进一步，步骤S1-1进行负荷序列向量化的过程为：

将用户每日或者每周各时刻的负荷采样点(一般每15分钟一个采样点)排列成一维曲线，曲线长度由N个时刻的负荷采样点组成，记为：

x＝(l₁,l₂,...,l_N)^T

其中，l_N是第N个时刻的负荷值。

进一步，步骤S1-2进行负荷向量归一化的过程为：

将负荷曲线除以它的模，得到归一化曲线，如下：

其中，

进一步，步骤S2定义两条负荷曲线之间的余弦相似度的过程为：

由于对负荷曲线进行了归一化处理，因此不考虑其中的幅值信息，主要计算曲线之间形状的相似性，可以通过计算两条曲线间的余弦距离：

记负荷曲线x＝(l₁,l₂,...,l_N)和y＝(k₁,k₂,...,k_N)，则余弦相似度为：