[发明专利]一种电力负荷曲线聚类方法

说明书

本发明公开了一种电力负荷曲线聚类方法，包括：对历史负荷数据进行预处理，得到负荷数据集；对负荷数据集进行降维处理，得到低维负荷数据集；采用GSA肘形判据法对低维负荷数据集进行计算，得到最佳聚类数目K；根据最佳聚类数目K，对低维负荷数据集进行聚类分析，得到聚类结果。通过t‑SNE降维技术对负荷进行处理，结合GSA肘形判据与二分K‑means算法对负荷进行聚类分析，通过实验证明改进后的算法有着更好的聚类质量。

技术领域

本发明属于负荷分类方法技术领域，涉及一种电力负荷曲线聚类方法。

背景技术

随着电力市场的放开发展，交易主体多元化、交易方式更加灵活、交易 次数更加频繁的市场特点也会逐渐凸显，伴随而来的将是海量的交易信息及 电力数据，高效的利用市场交易中的各种信息及负荷数据，对于保证市场的 稳定健康的发展有着重要的意义。分析不同类型的负荷模式，探索用户用电 特点，有助于发电企业及售电公司进一步认知各种用电方式及其行为习惯， 根据特点细分出不同的目标客户，推行不同的市场策略，定制个性化的服务， 从而保护各交易方的权益及利益。但不同用户的电力负荷又有着随机性和时变性，使得对整个区域的负荷进行建模分析变得十分复杂。因此，针对负荷 特点进行分类分析，研究各类别的典型负荷特点及用电行为习惯，以此来规 划更细致的管控措施。

由此可见，结合历史信息数据的收集，对电力负荷数据进行聚类划分以 及用电行为模式的识别是一项关键的工作，随着电力用户这个群体的规模不 断扩大，用电习惯也越来越灵活随机，对这些用户所带来的海量负荷数据运 用有效的数据挖掘技术，进行高效的聚类划分、分类识别，挖掘出负荷潜藏 的重要信息将对需求侧动态响应及管理、用户异常行为监督检测、大型用户 的精细划分等多种应用场合起着重要作用。现有的电力负荷聚类方法聚类质 量较差。

发明内容

本发明的目的是提供一种电力负荷曲线聚类方法，解决了现有技术中存 在的聚类质量差的问题。

本发明所采用的技术方案是，一种电力负荷曲线聚类方法，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、根据最佳聚类数目K，对低维负荷数据集进行聚类分析，得到 聚类结果。

本发明的特点还在于：

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；

然后对初始负荷数据集进行归一化处理，得到负荷数据集。

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，负 荷数据集在低维空间的映射数据集合为{y₁,y₂,...,y_m}，则负荷数据集中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：