[发明专利]一种电力负荷曲线聚类方法

权利要求书

1.一种电力负荷曲线聚类方法，其特征在于，包括以下步骤：

步骤1、对历史负荷数据进行预处理，得到负荷数据集；

步骤2、对所述负荷数据集进行降维处理，得到低维负荷数据集；

步骤3、采用GSA肘形判据法对所述低维负荷数据集进行计算，得到最佳聚类数目K；

步骤4、根据所述最佳聚类数目K，对所述低维负荷数据集进行聚类分析，得到聚类结果。

2.根据权利要求1所述的一种电力负荷曲线聚类方法，其特征在于，所述预处理过程包括：

首选删除历史负荷数据中的重复值、修补缺失值、去掉毛刺数据，得到初始负荷数据集；

然后对所述初始负荷数据集进行归一化处理，得到负荷数据集。

3.根据权利要求1所述的一种电力负荷曲线聚类方法，其特征在于，步骤2具体包括：

步骤2.1、设{x₁,x₂,...,x_m}为负荷数据集，x_m为集合中的一个n维数据，所述负荷数据集在低维空间的映射数据集合为{y₁,y₂,...,y_m}，则所述负荷数据集中x_i、x_j之间的相似性采用概率P_i|j、P_j|i表示为：

上式中，为x_i的高斯分布方差；为x_j的高斯分布方差；

步骤2.2、假设高维数据空间、低维数据空间中均包括数据点i、j，则：

上式中，p_ij为高维空间数据点之间的联合概率，q_ij为低维空间数据点之间的联合概率；

步骤2.3、采用KL散度衡量p_ij、q_ij之间的相似度，P表示原数据集的联合概率分布，Q表示映射集合的联合概率分布，则损失函数E为：

步骤2.4、根据所述损失函数E，通过梯度下降法对所述负荷数据集进行降维，直至得到预设维数空间的低维负荷数据集。

4.根据权利要求1所述的一种电力负荷曲线聚类方法，其特征在于，步骤3具体包括：

步骤3.1、将聚类数目K分别设定为1、2，设低维负荷数据集为V＝{d₁,d₂,...,d_n}，聚类划分为K个类簇后得到V₁,V₂,…,V_K，求解V_i的类内所有数据与类均值的距离平方和S_i：

上式中，z_i为类内质心；

通过下式计算每个K值的离散度W(K)、数学期望：

上式中，W_r(K)为第r个类中数据点的离散度，F为第r类中数据点的个数；

步骤3.2、计算聚类数目K为1、2时的间隙值Gap(1)、Gap(2)：

Gap(K)＝Eln[W_r(K)]-ln[W(K)] (13)；

步骤3.3、通过下式对所述聚类数目K进行验证：

Gap(K)≥Gap(K+1)-Z_k+1 (14)；

其中：

若满足上式，则最佳聚类数目K为1，否则进行下一步：

步骤3.4、计算肘形夹角θ(K)：

θ_b＝arctan(ln[W(K)]-ln[W(K+1)]) (18)；

步骤3.5、寻找θ(K)的最小值，此时K为最佳聚类数目。