[发明专利]一种考虑双尺度相似性的负荷曲线集成谱聚类方法

说明书

本发明公开了一种考虑双尺度相似性的负荷曲线集成谱聚类方法，该方法通过负荷差分向量的余弦距离计算负荷形态变化相似性，构造衡量负荷相似程度的双尺度相似性度量方式；通过集成聚类实现聚类性能提升以及两种度量方式的有效结合，以谱聚类作为基聚类模型生成方法，通过选取不同相似性度量方式，设置不同聚类簇数以及随机运行来保证基聚类多样性，以加权一致性矩阵与谱聚类作为聚类集成策略，聚类集成过程中采取戴维森堡丁指数DBI或新的指标MDBI作为聚类评价指标，以DBI或MDBI的倒数为权重自适应设置依据计算一致性矩阵，再以谱聚类实现最终的集成聚类划分。该方法具有优良聚类有效性与鲁棒性，并可避免单一谱聚类方法对不同数据集需要参数寻优的缺陷。

技术领域

本发明涉及一种考虑双尺度相似性的负荷曲线集成谱聚类方法，属于电力系统负荷特性分析领域。

背景技术

在城镇能源互联网背景下，用电采集信息系统与调度、运检、营销业务系统的建设完善促使了电力数据资源的快速积累。电力数据中潜藏了用能特性等有价值的信息，需要应用数据分析技术进行挖掘。聚类作为一种无监督学习技术，适合应用于无标签负荷曲线的归类之中，为电力企业提供依据负荷特性差异的归类结果，帮助电力企业精确掌握用户用能行为规律，为需求侧响应、负荷预测、用电异常检测等应用提供有力支撑。

以聚类技术开展负荷特性分析已经具备较为深入的研究基础。负荷聚类相关研究主要集中在以下三方面：1)负荷聚类方法。负荷聚类结果的有效性是保证其应用价值的关键，如何设计合适的负荷聚类方法以提升负荷聚类质量是研究热点之一。2)负荷相似性度量。根据负荷聚类目的选用合理的距离度量方式，衡量不同用户负荷特性的相似性，可以令聚类效果更加准确有效。3)负荷数据特征提取。从高维负荷曲线数据中提取可有效反映负荷特性差异的低维特征，可以提升负荷聚类质量以及效率。

欧氏距离是负荷聚类中经典的相似性度量方式。有研究文献在变电站负荷特性聚类分析中，通过变电站用户构成以及曲线欧氏距离表征变电站负荷特性。有研究文献将快速搜索密度峰值聚类方法应用到负荷聚类中，并引入直方图均衡化技术提升负荷聚类效果。有研究文献通过结合划分聚类和层次聚类进行两层聚类，实现两类聚类方法的优势互补，优化负荷聚类有效性。上述负荷聚类分析研究均采取欧氏距离作为负荷相似性的度量依据，但欧氏距离注重计算曲线距离，在挖掘负荷曲线形态变化相似性方面存在局限性。为了改进相似性度量问题，有研究文献从距离和形态特征两方面对负荷相似性进行度量并采用谱聚类方法进行负荷归类。有研究文献引入动态时间弯曲距离和互相关方法改进负荷序列的形态相似性计算方式。有研究文献引入典型时间翘曲距离的概念，与高斯核函数结合表征负荷序列在时空双尺度的相似性，对谱多流形聚类方法进行改进。目前的负荷聚类研究大多采用单一聚类方法或两层聚类方法，但这些方法普遍存在局限性，例如对不同的数据集需要重新调试参数，对不同的数据结构的适应性有差异，需要调试多项参数等问题，会对负荷聚类质量造成不良影响。

发明内容

为了解决背景技术中的总结的问题，本发明提供了一种考虑双尺度相似性的负荷曲线集成谱聚类方法，该方法结合双尺度相似性和集成聚类的优点，构建考虑负荷曲线距离及形态特性差异的集成谱聚类模型。

为了实现上述目的，本发明采用了如下的技术方案：

一种考虑双尺度相似性的负荷曲线集成谱聚类方法，该方法结合差分余弦距离与欧氏距离以构造一种双尺度相似性度量方式，采用基于双尺度相似性度量的谱聚类方法构造差异化基聚类模型，以基于聚类内部评价指标自适应加权的一致性矩阵以及谱聚类实现聚类集成。

具体的方法如下：