[发明专利]基于SOM神经网络聚类算法的日负荷特征曲线提取方法

摘要

本发明的目的在于根据现有日负荷特征曲线提取方法的不足之处而提供一种基于SOM神经网络聚类算法的日负荷特征曲线提取方法。首先获取电力用户用电信息采集系统中可监测用户的日负荷数据，进行日负荷特征曲线提取和分析；然后对数据进行归一化处理，对输入向量进行存储，权值向量进行初始化；最后通过权值的修正得到以优胜神经元与输入神经元之间连接权向量作为聚类中心即该类别用户的日负荷特征曲线。分析表明，采用SOM神经网络聚类算法提取日负荷特征曲线具有良好的效果，提取出的日负荷特征曲线能够较好反映该类型用户的用电行为与特征，为电力企业了解用户用电习惯、细分电力市场、调整定价策略和实施需求侧管理提供了有益参考。

主权项

1.一种基于SOM神经网络聚类算法的日负荷特征曲线提取方法，其特征在于包括如下步骤：步骤S01：获取电力用户用电信息采集系统中可监测用户的日负荷数据；步骤S02：对样本用户从电力用户用电信息采集系统中提取任意一天的负荷数据；步骤S03：将负荷数据作为输入向量存储在矩阵中，对权值进行初始化,权值向量的每一维的取值范围同输入向量每一维的取值范围；步骤S04：选择一个输入向量，提供给网络输入层；步骤S05：按照下式计算竞争层每一个神经元的权值与输入向量之差：（2）其中，，C表示神经元的个数；步骤S06：按照“胜者为王 ”的原则，对每一个神经元，以中的最小值所对应的神经元作为胜者, 对它和它的邻域内的神经元的权值进行调整 ,假设当前处于学习的第步，权值的修正按照下式进行：其中，表示学习速率 ,表示邻域调整率；表示获胜神经元的邻域, 即：（4）步骤S07：选择另一个输入向量,返回步骤S03，直到所有的输入向量全部提供给网络；步骤S08：返回步骤S02，直到达到最大训练步数；步骤S09：输出聚类结果及优胜神经元与各输入神经元之间的连接权向量，该连接权向量就是该类别的聚类中心，即该类型用户的日负荷特征曲线。