[发明专利]一种基于负荷特性及其聚类分析的电力商品定价模型建立方法

权利要求书

1.一种基于负荷特性及其聚类分析的电力商品定价模型建立方法，其特征在于,包括以下步骤：

11)原始数据采集及预处理，获取基础负荷数据，对基础负荷数据进行预处理；

12)对预处理后的负荷数据进行聚类，得到基本负荷曲线；

13)提炼出基本负荷曲线中的负荷特性指标，构建出电力商品的定价模型。

2.根据权利要求1所述的一种基于负荷特性及其聚类分析的电力商品定价模型建立方法，其特征在于，所述的原始数据采集及预处理包括以下步骤：

21)采集基础负荷数据，将个体用户表示为n，n∈N，其中N表示若干个用户集合；

22)设定96个时间采集点i，i∈{1，2，...，96}；

23)将用户n在第i个采集点的负荷数据表示为且

3.根据权利要求1所述的一种基于负荷特性及其聚类分析的电力商品定价模型建立方法，其特征在于，所述的对预处理后的负荷数据进行聚类包括以下步骤：

31)将N个输入向量存储在输入矩阵中，构建一个N×96的矩阵Σ，其中N表示若干个用户数量，96表示一天中96个采集点；

32)对权值ω_ij进行初始化，其取值范围为[0,1]且ω_ij均不相同；

33)获取权值向量集G，从矩阵Σ中N个输入向量中选定向量提供给网络输入层，计算权值向量ω_ij(t)并对矩阵Σ进行迭代处理直至N个输入向量均选定处理完，获得权值向量集G；其具体包括以下步骤：

331)将矩阵Σ中选定向量和初始权值ω_ij送给网络输入层；

332)计算网络输出层所有神经元到输入向量的距离d_j，其计算公式如下：

dj=Σi=1h(yin-ωij(t))2,]]>

其中t为当前的更新次数；

选择竞争获胜神经元i(x)＝mind_j，神经元i为获胜神经元；

333)针对所有神经元，调整它与邻域内的神经元的权值向量，其更新公式如下：

ωij(t+1)=ωij(t)+η(t)hj,i(x)(t)(yin(t)-ωij(t)),]]>

其中，η(t)表示学习速率(0<η(t)<1)且单调递减，h_j，i(x)(t)表示获胜神经元的邻域函数；

334)对更新后的权值与新选定的向量进行迭代处理，继续进行计算网络输出层所有神经元到输入向量的距离d_j和权值ω_ij的更新，直至N个输入向量均选定处理完；

335)获得权值向量集G{ω_ij|j＝(1，2，...，m)}，其中m表示聚类的数目；

34)将单个权值向量ω_ij(t)作为以它为获胜神经元的所有样本的聚类中心，样本被分为m类，表示为{G1，G2，…，Gm}；聚类中心的日负荷曲线为此类的基本负荷曲线。