[发明专利]一种基于集成聚类技术的10kV母线负荷特性分析方法

说明书

一种基于集成聚类技术的10kV母线负荷特性的综合分析方法，利用集成聚类算法对负荷分别进行日负荷聚类、小时负荷聚类分析，可根据实际情况需要确定负荷聚类中心数，对负荷进行更加精细化、深层次的分类，有利于对于负荷特性进行细致化挖掘研究，进而提升负荷预测准度，合理对电力系统进行优化调节，提高新能源消纳；其中，尤其是对负荷峰谷平期持续时间的准确计算，解决以往由经验判定峰谷期的缺点，进而提升负荷预测准度。

技术领域

本发明涉及电网负荷分析技术领域，特别涉及一种基于集成聚类技术的10kV母线负荷特性分析方法。

背景技术

目前，各类聚类分析技术方法已被应用于电力负荷聚类中，包含基于划分的聚类算法、层次聚类算法、基于图的聚类算法等。相似度量方法决定了聚类算法对于负荷曲线变化特征的敏感度，是影响聚类质量的重要指标。主流方案大多关注于两条曲线相同采样点的负荷差异，最常见的方法为用欧氏距离判定相似度，通过计算相同采样点之间的距离均值，判断曲线相似程度。

近年来，基于神经网络和深度学习的聚类方法广泛应用，很大程度上提高了聚类效率，更好地对用户用电负荷进行预测分析，在该方法可有效的进行分类识别，并对用户用电负荷特性进行分析，并为接下来的负荷优化提高了工作效率。

目前创新大多数集中在算法上，关于负荷特性的深层次挖掘相对较少。

发明内容

针对现有技术存在的问题及技术要求，本发明的目的是提供了一种基于集成聚类技术的10kV母线负荷特性分析方法，，利用集成聚类算法对负荷分别进行日负荷聚类、小时负荷聚类分析，确定负荷聚类中心数，对负荷进行更加精细化、深层次的分类。

为了达到上述目的，本发明采用以下技术方案实现：

一种基于集成聚类技术的10kV母线负荷特性分析方法，包括以下步骤：

(S1)通过电力信息采集系统，提取研究区域的全年历史负荷数据，并进行预处理；

(S2)利用聚类有效评价指标设置聚类数目；

(S3)运用集成聚类技术对全年历史负荷数据进行聚类，得到纵向聚类和横向聚类；

(S4)根据步骤(S2)、步骤(S3)，提取年时间尺度下的典型日负荷曲线；

(S5)通过分析典型日负荷曲线，预测日期、时刻的负荷取值范围。

所述的步骤(S1)提取研究区域的全年历史负荷数据，为研究区域电网365天的历史负荷数据，采样周期为1小时，将历史负荷数据输出为24*365的负荷矩阵。

所述的步骤(S1)预处理，通过格拉布斯准则对全年历史负荷数据进行异常数据剔除，即负荷点i的负荷值的残余误差V_i的绝对值V_i＝x_i-x≥g(n,a)*σ(x)，则将此负荷值从全年历史负荷数据从剔除，其中x_i为负荷点i的负荷值，x为此负荷值的平均值，n为采样次数，且n≥10，g(n,a)为全年历史负荷数据标准差的系数，σ(x)为全年历史负荷数据的标准差。

所述的步骤(S2)利用聚类有效评价指标设置聚类数目，即对步骤(S1)预处理后的全年历史负荷数据进行归一化处理，得到m个负荷数据集x₁,x₂,…,x_m。

所述的步骤(S3)，纵向聚类包括以下步骤：

(S31)对全年历史负荷数据进行归一化处理，得到m个负荷数据集X₁,X₂,…,X_m；