[发明专利]一种基于主元降维和间隙统计的负荷聚类装置及方法

权利要求书

1.一种基于主元降维和间隙统计的负荷聚类装置，其特征在于，包括：

电力数据预处理装置，其用于调取某个时间段汇入电网的原始电力负荷数据样本A，并于所述时间段按等间隔提取原始电力负荷数据样本A，并生成电力负荷数据B；

电力数据采集装置，其用于接收所述电力数据预处理装置生成的电力负荷数据B；

电力数据筛选装置，其用于对所述电力负荷数据B做主成分筛选，得到K维特征数据C；

电力数据聚类处理装置，其用于对K维特征数据C做聚类处理，得到n个子集、聚类中心点Ck和子集与聚类中心的距离平方和S_k，令聚类数n＝1和n＝2，得到聚类后的离散度ω(n)；对得到的离散度取自然对数，选取一个参考数据集r，得到间隙值G(n)，并记离散度ω(n)和间隙值G(n)为数据D；

电力数据聚类判定装置，其通过数据集r、间隙值G(n)和离散度ω(n)得到参考数据集的离散度估计值，并计算数据集产生的分布误差δ，通过表达式G(n)≥G(n+1)-δ_n+1，得到最佳聚类个数，对聚类个数做判定，若聚类个数≥2时，则进行聚类处理，获取聚类结果；数据显示装置，其用于显示聚类结果图像。

2.使用权利要求1所述的一种基于主元降维和间隙统计的负荷聚类装置的方法，其特征在于，包括以下步骤：

S1：获取用户原始电力负荷数据B；

S2：对数据B做主成分分析，得到K维特征数据C；

S3：对K维特征数据C做聚类处理，得到n个子集、聚类中心点Ck和子集与聚类中心的距离平方和S_k，令聚类数n＝1和n＝2，得到聚类后的离散度ω(n)；对得到的离散度取自然对数，选取一个参考数据集r，得到间隙值G(n)，将离散度ω(n)和间隙值G(n)记为数据D；

S4：根据数据D计算聚类个数，对所述聚类个数做判断，若聚类个数≥2时，则带入聚类算法进行聚类，获得聚类结果，否则结束步骤。

3.根据权利要求2所述的一种基于主元降维和间隙统计的负荷聚类方法，其特征在于，步骤S2中包括：

S21：对数据A进行负荷数据归一化处理，将数据投影到[0，1]区间，得到样本数据A1，其表达式为；

S22：对样本数据A1中每个特征序列做特征中心化处理，得到样本特征A2数据，其表达式为；

S23：求样本特征A2数据之间的协方差矩阵C；

S24：求样本特征A2数据协方差阵列的特征值λ和特征向量μ；

Cu＝λu (4)

S25：选取前K个最大的特征值，其中λ取值大于0.85，记为降维后的K维特征数据。

4.根据权利要求3所述的一种基于主元降维和间隙统计的负荷聚类方法，其特征在于，步骤S3中包括：

S31：对K维特征数据进行聚类处理，令聚类数n＝1和n＝2，分别计算聚类后的离散度；

其中，K维特征数据Q＝{x_i}聚类后得到n个子集，Q₁、Q₂...Q_n为K维特征数据聚类后的子集,Q_k为任一子集,S_k为子集内每个样本到聚类中心的距离平方和，Ck作为Qk的聚类中心点，ω(n)为对n类聚类结果的评价函数即离散度；

S32：将上述不同n值下得到的离散度取其自然对数，然后选取一个参考数据与之进行对比来判定最佳聚类个数，其表达式为：

G(n)＝E{ln[W_r(n)]}-ln[W(n)] (7)

其中，r表示参考数据集，E{ln[W_r(n)]}为参考数据集的离散度估计值，G(n)为间隙值。

对生成参考数据集产生的分布误差做计算，其表达式为：