[发明专利]一种基于用户用电负荷数据细分的聚类融合方法

说明书

技术领域

本发明涉及电力系统负荷建模技术领域，特别涉及一种基于用户用电负荷数据细分的聚类融合算法。

背景技术

用户用电负荷数据分析是供电企业了解用户用电负荷模式特性的重要方法，对供电企业规划负荷管理、变电站建设、电网运行状态评估等方面具有重要的作用。通过研究用户的用电负荷模式特性，有助于供电企业更深刻地认识用户，并能够根据不同的用户群制订相应的市场策略、提供针对性的个性化服务。

基于用户用电负荷数据的用户群细分，目前主流的研究方式是依据用户日用电负荷曲线的形态变化，使用聚类分析算法对用户用电负荷数据进行智能分群，从中寻找用户用电行为的典型模式。

应用于用户用电行为研究的聚类分析方法一般包括划分的方法、层次的方法、基于密度的方法。国内的研究大多根据用户用电负荷数据的特性，选定以上某种聚类算法并加以改进，再通过人工比对聚类效果，选取结果较好的聚类模型。由于用户用电负荷数据是不平衡的时间序列数据，数据结构的时序特性严重地影响传统聚类算法的效果。为得到较为可靠的聚类效果，需要根据不同的分析数据和先验知识，对聚类模型进行频繁的人工修整和改造，导致聚类模型适用性、鲁棒性较差，分析结果依赖于人工操作，无法实现系统固化。

发明内容

本发明所要解决的技术问题，就是提供一种基于用户用电负荷数据细分的聚类融合方法，将不同聚类算法或者同一聚类算法下使用不同参数得到的结果进行自动化合并，得到比单一算法更加符合数据特性的分析结果，减少人工处理环节，提高聚类分析模型的自适应处理能力，满足频繁波动的用户用电负荷数据的分析需求。

本发明解决其技术问题所采用的技术方案如下：

一种基于用户用电负荷数据细分的聚类融合方法，包括以下步骤：

S1采集指定时刻t用户用电正向有功读数数据W_t和正向无功读数数据Var_t；

采集某段时间内各指定时间点t的用户用电正向有功读数数据W_t和正向无功读数数据Var_t；

S2对采集的用户用电读数数据进行规范性校对：先删除采集的用户用电读数数据中的冗余数据，再查找用户用电读数数据中的缺失字段，选择作为分析对象的用户，对分析对象的用电读数数据进行修补缺失数据和剔除异常数据处理；

S3根据用户用电正向有功和正向无功读数数据W_t、Var_t，计算出各用户在指定时刻t的用电负荷数据S_t，并列写以用户为行、时刻t用电负荷数据S_t为列的矩阵S[n][t]，其中n为用户数，t为时刻，如0点、1点等；

根据处理后的数据，计算各用户在各指定时间点t的用电负荷数据S_t，并形成以用户为行，指定时间点的用电负荷数据S_t为列的矩阵S[N][t]，其中，N表示用户数，t表示各指定的时间点，如0点、1点等；

S4对用户用电负荷数据S_t进行标准化处理，以提取负荷形态；

S5选择一种以上的通用聚类算法构造预处理聚类算法集，根据先验知识设定两组以上运行参数，计算各通用聚类算法在各组运行参数下的用户用电负荷数据细分结果从而得到用户用电负荷数据细分结果集合，集合中对应同一组运行参数和同一通用聚类算法的结果为一个聚类成员，每一个聚类成员中根据各组运行参数的设定情况不同分为若干个簇，用户用电负荷细分结果最终归属于各簇，每个簇为一个以该簇为列、用户为行的单列“0”“1”矩阵，“1”表示某用户属于该簇，“0”表示某用户不属于该簇，簇是某一聚类成员对用户用电负荷数据细分结果的分类标识；

S6根据聚类成员构建共识矩阵，其元素为两两用户属于同一簇的概率；

S7随即选取m个用户作为典型用户，计算其对应的距离准则函数值，遍历所有典型用户组合，并选择对应最小距离准则函数值的典型用户组合，计算其它各个用户与这组典型用户中的各个用户属于同一簇的概率；

S8设定概率阀值，以对应最小距离准则函数值的典型用户组合为簇中心归集其他用户，得到最终的聚类结果。

作为本发明的优选实施例，上述步骤S2可通过如下步骤实现：

S2-1删除采集的用户用电正向有功、正向无功读数数据W_t、Var_t中重复采集或重复记录的冗余数据；