[发明专利]一种基于用电负荷分析的居民用户分类方法

说明书

本发明提供了一种基于用电负荷分析的居民用户分类方法，首先对日用电负荷数据进行数据预处理获取多个样本数据，接着对样本数据进行预聚类和凝聚聚类获取多个数据聚类，然后通过对多个数据聚类的轮廓平均值与预定的轮廓阈值进行比较判断，然后根据判断结果、凝聚聚类次数以及数据聚类中的样本数据的数量，对样本数据进行重复多次预聚类和凝聚聚类，最后根据数据聚类对居民用户进行分类。

技术领域

本发明属于供电领域，具体涉及一种基于用电负荷分析的居民用户分类方法。

背景技术

居民用户的用电负荷正在逐渐成为电网系统中的高峰负荷的主要构成部分，给电网系统的安全稳定运行带来了新的挑战。因此，如何针对各类居民用户的用电负荷特征来实现电网系统的供给侧管理，是未来电网系统安全稳定运行的关键。

针对各类居民用户的用电负荷特征的聚类分析，许多学者做过相关的研究。蔡恒，伍惠铖，邹知斌等在《某居民小区用电调查与负荷分析》(江西电力,2017,41(2):24-27，)中通过对南昌市某居民小区用户智能电表的数据进行分析，给出了用户四个季节的用电曲线，以及节假日和工作日、周末的用电曲线，分析了用户的用电行为，为用电客户、供电企业和社会环境的创新服务提供了依据。刘飞，贲树俊等在《基于聚类分析的居民典型负荷特性分析》(江苏电机工程，2007,12(26):34-37)中用K-means聚类对用电数据进行分析，得到不同季节的典型用电负荷代表曲线，研究得到居民负荷特征与各个影响因素之间的一些联系。丁麒，王光增等在《地区电力用户负荷模式聚类分析应用》(机电工程，2008,25(9):31-33,84)中对典型变电所区域的用户进行了聚类，与传统的国民经济行业分类进行了类比，该方法也在用电负荷管理、变电站规划、状态估计等方面为供电部门提供了参考依据。张倩在《供需互动的居民用户用电决策模型及信息系统研究》(学位论文：华北电力大学.2017)中利用模糊C均值聚类算法对居民负荷曲线进行聚类分析，得出居民的不同用电特征，发掘居民用电优化空间，引导用户合理用电，优化用电结构，达到削峰填谷的作用。孙毅，顾玮，李彬等在《面向售电侧改革的用户分层聚类与套餐推荐方法》(电网技术，2018,42(2):447-454)中提出了一种基于差异化特征提取的用户分层聚类方法，分层聚类中的第1层聚类基于马尔科夫模型提取代表用户行为多样性的用电特征；第2层针对第1层得到的各类用户提取差异化的用电特征，分别运用合适的聚类算法实现用户的再次分类。最后为两层聚类后的子类用户推荐合适的电价套餐。

然而，居民用户的用电负荷具有用电信息数据量大的特点，并且不同种类的居民用户的用电方式也存在较大差异，而上述方法对各类居民用户的用电负荷特征的分析的精细化程度不够，导致不能准确地按各类居民用户的用电方式对居民用户进行分类，从而使供电单位不能根据居民用户的种类确定各类居民用户的用电负荷特征，进而准确地进行电网系统的供给侧管理，保证电网系统安全稳定运行。

发明内容

有效地分析各类居民用户的用电负荷特征是实施电网系统的供给侧管理措施的基础。通过对各类居民用户的用电负荷特征的分析，不仅有助于评价一个地区用电负荷构成、用电模式的优劣，它也是合理安排用电布局、有效利用电能资源的一项重要研究性工作，能够保障电网系统安全、稳定地运行。

本发明的目的在于提供一种根据居民用户的日用电负荷曲线获取的居民用户分类方法，从而能够根据居民用户的种类确定各类居民用户的用电负荷特征，进而准确地进行电网系统的供给侧管理，保证电网系统安全稳定运行。

为实现上述目的，本发明采用了如下技术方案：

本发明提供了一种基于用电负荷分析的居民用户分类方法，具有这样的特征，包括以下步骤：

步骤S1：对多个日用电负荷数据进行数据预处理，获取多个样本数据；

步骤S2：对样本数据进行预聚类，获取多个数据子簇；

步骤S3：基于贝叶斯准则对数据子簇进行凝聚聚类，获取多个数据聚类；