[发明专利]一种基于聚类算法的电力用户负荷测算方法

说明书

本发明公开了一种基于聚类算法的电力用户负荷测算方法，属于电力系统测量技术领域。所述方法包括以下步骤：收集用户历史用电数据；通过数据预处理技术将历史数据转变为格式化的机器学习样本库；应用聚类算法训练电力用户聚类模型，并测试聚类效果；根据聚类结果确定类典型用户，作为实时测量装置安装点；将典型用户的用电负荷数据实时读取，估算类用户用电总量和全体用户用电量。本发明以历史数据为基础，应用聚类算法，兼顾负荷测量速度与精度，给出了具有相似用电行为用户的用电负荷快速测量方法，降低了测量装置的安装费用，为电力系统调控提供参考信息。

技术领域

本发明涉及电力系统测量技术领域，具体来说，涉及一种基于聚类算法的电力用户负荷测算方法。

背景技术

随着社会经济水平的提高，工业用电和居民用电的负荷组成日益复杂，负荷曲线呈现出较高的差异性，其实质是用电行为的多样化。然而在多样化的同时也可以在大量用户的负荷曲线中发现存在用户间用电行为的相似性。因此，电力用户负荷总体特征是群体多样化和群内相似性。

负荷是电力系统的重要组成部分，负荷的参数对电力系统安全稳定具有重要影响，如负荷总量对于系统频率的影响，负荷成分对局部电压和电能质量的影响等。对于区域电网内用户负荷情况的了解具有重要意义。然而，目前负荷数据的采集是自上而下的，通过负控中心采集上报至上级数据中心，其缺点是测量范围相对固定，一个负控中心的采集范围位受接线地理空间限制；其次，负控中心一旦采集单元发生故障或通信链路发生故障，该区域负荷数据就无法测量。

大数据技术的蓬勃发展为负荷测算提供了新的思路，通过机器学习算法的应用，提高了电网的智能化程度。本发明基于聚类算法，采用分布式量测安装策略，突破了传统负控中心的地理接线约束；利用用户历史数据分析数据关联性，能够以点带面地实现大量用户负荷的测量，具有较强容错空间，为电网提供实时可靠的负荷数据。

发明内容

发明目的：为解决现有技术存在的上述问题，提供一种基于聚类算法的电力用户负荷测算方法。

技术方案：一种基于聚类算法的电力用户负荷测算方法，包括以下步骤：

步骤A、收集用户历史用电数据，包括用电量和日负荷曲线；

步骤B、通过数据预处理方法将用户历史用电数据转变为格式化的机器学习样本库；

步骤C、应用聚类算法训练电力用户聚类模型，并测试聚类效果；

步骤D、根据聚类结果确定类典型用户，作为实时采集测量装置安装点；

步骤E、将典型用户的用电负荷数据实时读取，估算类用户用电总量和全体用户用电量。

具体地，步骤A中：用户历史用电数据为电力部门采集系统中目标用户过去一年的日负荷曲线数据及日用电量。

具体地，步骤B中：数据预处理将原始数据中的缺失数据通过统计算法填补；将异常数据通过特征判别剔除；校验日负荷曲线与日用电量的一致性；将各用户365天数据取均值形成特征负荷曲线和特征用电量；采用降维算法形成机器学习样本，样本数为数据完整的用户数，维度受降维算法选择影响。

具体地，步骤C中：

使用聚类算法将样本聚类后测试聚类效果，指标为类内相似度和类间区分度，公式如下：

类内相似度：

式中，k为该类的用户数，m为样本维度，x_ij为该类内第i个用户的第j个样本属性，为该类第j个样本属性的平均值；

类间区分度

式中，n为总类数，N为该类编号，m为样本维度，x_iN为第N类第i个样本属性的平均值，x_ij为第j类第i个样本属性的平均值；