[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

说明书

技术领域

本发明涉及数据分析技术领域，具体来说是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。

背景技术

目前对电力负荷数据的分析处理已经十分普遍，通过统计方法的应用和计算机的强大数据处理功能，对负荷数据进行分析、处理和拟合，以解决人工计算过程，其广泛应用于负荷数据的修复与预测，负荷曲线的建模等领域中。而用户的负荷数据与用电价格之间的关系并没有得到充分的考虑，负荷特性对用户用电成本的影响没有通过电力商品的价格充分体现出来。在开放的电力市场中，用户的用电价格与其负荷特性紧密相关，如何利用海量的电力用户负荷数据，合理制定电力商品的价格，既补偿成本实现收益，又实现对用户用电的恰当引导，已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中电力商品定价方法中无法充分反映用户负荷特性的缺陷，提供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来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

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，包括以下步骤：

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；

对预处理后的负荷数据进行聚类，得到基本负荷曲线；

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。

所述的原始数据采集及预处理包括以下步骤：

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；

设定96个时间采集点i，i∈{1，2，…，96}；

将用户n在第i个采集点的负荷数据表示为且y_iⁿ≥0。

所述的对预处理后的负荷数据进行聚类包括以下步骤：

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；

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；

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：

将矩阵Σ中选定向量和初始权值ω_ij送给网络输入层；

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神经元i为获胜神经元；

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：