[发明专利]一种基于负荷分解的电力用户聚类用电行为特性分析方法

权利要求书

1.一种基于负荷分解的电力用户聚类用电行为特性分析方法，包括以下步骤，其特征在于：

步骤一、获取电力用户负荷数据并进行预处理和归一化处理；

步骤二、计算电力用户基本级负荷；

步骤三、将电力用户的基本级负荷和季节性负荷数据分别作为输入向量进行FCM聚类分析；

步骤四、对每一聚类采用多种筛选典型用户的方法进行选择；

步骤五、利用灰色关联度算法最终选择出典型用户；

步骤六、计算每一聚类典型用户的负荷特性指标并分析其错峰调控潜力；

步骤七、依据潜力值，提出一种新分类；

步骤八、对不同类别的电力用户制定相应的需求侧调控措施。

2.根据权利要求1所述的一种基于负荷分解的电力用户聚类用电行为特性分析方法，其特征在于：所述步骤一详细步骤如下；

获取到的电力数据总会出现空白值或者明显错误的数据，在进行分析之前需要对其进行预处理，剔除当天空白值大于30％的电力负荷数据，对其余空白值采用前后负荷的均值填充，预处理后的数据集X＝{x₁，...，x_n}^T需要进行归一化处理，是为了防止强调较大的负荷数据而忽略较小的负荷数据，其中x₁，...，x_n都是由s个数据组成的矢量，经过归一化处理后所得到的数据集为X′＝{x₁′，...，x_n′}^T，方法如公式(1)：

其中，x_max和x_min分别为数据集中的最大值和最小值。

3.根据权利要求1所述的一种基于负荷分解的电力用户聚类用电行为特性分析方法，其特征在于：所述步骤二详细步骤如下；

采用基准比较法将电力负荷进行分解：将当年四月和十月工作日负荷的平均值作为夏季基础负荷，方法如公式(2)：

电力用户的总负荷P_z可以分解成基本级负荷P_b、季节性负荷P_w以及随机负荷P_r，由于随机负荷因素P_r影响较小，故可以不予考虑，因此季节性负荷P_w可通过式(3)求得：

P_w＝P_z-P_b (3)。

4.根据权利要求1所述的一种基于负荷分解的电力用户聚类用电行为特性分析方法，其特征是：所述步骤三详细步骤如下；

在进行聚类分析之前，其中的两个参数：聚类类别数c和模糊加权系数m需要提前给定，其数值的选择对聚类效果的好坏以及分析结果合理与否有直接的影响，由于c要远远小于聚类样本的总数，且c＞1；m是一个控制算法的柔性参数，其过大或者过小，聚类效果都不会很好，特别是当m过小会使得聚类算法结果类似于K均值聚类算法，对FCM聚类算法的参数进行初始化：其中模糊加权指数m在一般设置为2；循环开始时聚类数c＝2；迭代标准ε＝0.00001；

聚类中心V和模糊矩阵U的计算方法如下：

如果存在j，r使得则令：且当i≠r时，

若||V^(k+1)-V^(k)||＜ε＝0.00001，停止迭代；

有效性函数代表了聚类结果的合理性，其结果越大则表明聚类结果越合理，若L(c-1)＞L(c-2)并且L(c-1)＞L(c)，则FCM聚类过程完成；

在公式(6)中，L₁描述了负荷曲线X_i与其对应的聚类中心v_i的分散程度，该值为逆指标，其值越小说明聚类越合理；L₂描述了各聚类中心之间的分散程度，该指标为正指标其值越大说明聚类越合理；L₃描述了各条负荷曲线的最大隶属程度的均值，依据最大隶属度原则就能够确定每条负荷曲线归为哪一类，因此该值为正指标，L(c)越大，聚类效果就越好，以此确定聚类c的最优值。