[发明专利]一种基于改进聚类算法的电动汽车充电负荷特征提取方法

说明书

本发明公开了一种基于改进聚类算法的电动汽车充电负荷特征提取方法，能保持大部分形状信息，同时大大减少了维数。本发明采用的改进聚类算法根据数据特征本身来确定初始聚类数和初始聚类中心，减少了人工设置造成的不精确性，同时其采用的相异度度量方法可以更精确地计算混合数据之间的距离。本发明基于真实电动汽车充电负荷数据，而不是基于概率模型的数据，能够真实地反映家用电动车充电的特点，为电动汽车充电负荷分析提供了可靠的模板。

技术领域

本发明属于电动汽车充电负荷分析技术领域，具体涉及一种基于改进聚类算法的电动汽车充电负荷特征提取方法的设计。

背景技术

随着电池技术的进步，使得电动汽车的规模显著增加。对于一个家庭来说，电动汽车相比其他电器设施需要更高的充电功率，因此其充电需求在未来将相当可观。然而电动汽车的充电需求可能使社区配电系统超载，导致用户电压下降，进而导致现有的社区电网将面临前所未有的挑战。为了降低风险，需要对充电特性进行分析，电动汽车充电负荷分析可以分为两个方面：(1)基于负载生成机制进行分析，这些研究主要依赖于各种概率模型和概率算法，结果可能不准确；(2)基于数据挖掘算法的分析，通过对大量的真实数据进行聚类，然后提取用户的行为模式并分析其特征。

传统的聚类算法包括划分聚类算法、基于网格的聚类算法、密度聚类算法和基于模型的聚类算法。然而，这些聚类算法仍然存在一些问题：(1)负载数据具有规模大，维度高的特点，这对于传统聚类算法来说，意味着沉重的计算负担，尤其是考虑到未来的电动汽车大规模发展之后，这一问题将更加严峻。(2)用欧氏距离作为负荷曲线形态相似性判断的准则是不合适的，该标准可能会忽略的曲线形态上的差异从而导致不准确的聚类结果，因此，基于欧氏距离的聚类算法可能导致误分类。(3)大多数聚类算法需要预先定义聚类数目和初始聚类中心，这将导致算法结果的不稳定和不准确。

发明内容

本发明的目的是为了解决现有的电动汽车充电负荷分析聚类方法存在的上述问题，提出了一种基于改进聚类算法的电动汽车充电负荷特征提取方法。

本发明的技术方案为：一种基于改进聚类算法的电动汽车充电负荷特征提取方法，包括以下步骤：

S1、对原始电动汽车充电负荷数据进行预处理，得到充电负荷曲线。

S2、设置聚类数K和初始聚类中心Q。

S3、根据聚类数K和初始聚类中心Q对充电负荷曲线进行聚类分析，提取出电动汽车充电负荷特征。

本发明的有益效果是：本发明提出了一种提取电动汽车充电负荷特征的方法，能保持大部分形状信息，同时大大减少了维数，并可以应用到其他曲线上，同时本发明基于真实电动汽车充电负荷数据，而不是基于概率模型的数据，能够真实地反映家用电动车充电的特点，为电动汽车充电负荷分析提供了可靠的模板。

进一步地，步骤S1包括以下分步骤：

S11、数据降维：对原始电动汽车充电负荷数据进行降维处理，得到降维数据。

S12、数据修补：采用高斯滤波对降维数据中的异常数据进行平滑处理，并用三次样条插值算法对其中的缺失数据进行填充，得到修补后数据。

S13、选取特征构造充电负荷曲线：选取充电起始时间、充电持续时间及充电功率三维数据对修补后数据进行表征，构造出充电负荷曲线。

S14、标幺化：对充电负荷曲线进行标幺化处理。

上述进一步方案的有益效果是：本发明在保证形状信息完整性的同时，处理海量高维数据，减少聚类输入量。

进一步地，步骤S2包括以下分步骤：

S21、设置次数阈值L，并令聚类数K的初始值为2。

S22、判断K>L+1是否成立，若是则进入步骤S24，否则进入步骤S23。