[发明专利]一种基于二次聚类的用电行为模式分类方法

说明书

本发明涉及一种基于二次聚类的用电行为模式分类方法，主要包括三部分。首先，采用横向处理、纵向处理和温度处理三个方法将大量负荷数据中非正常数进行识别与处理；通过移动平均数法对数据进行处理，减少噪音；采用极差归一化处理和加权处理解决量纲差别大等问题。其次，将最优聚类法的聚类树和聚类中心提供给模糊C聚类法进行聚类并进行有效性分析并确定类别数；最后，聚类分析主要包括：由所得到的聚类数，重复进行聚类并还原数据输出聚类结果。该方法用于解决样本数量较大，特征向量维数较多用电行为模式分类问题，既可避免模糊C均值聚类法对初始参数的敏感性，又能取得分类准确客观的聚类效果。

技术领域

本发明涉及一种用电特性聚类分析的技术领域，具体的是一种基于二次聚类的用电行为模式分类方法。

背景技术

随着社会经济的飞速发展，我国的用电需求急剧增加，电力供应常常处于较紧张状态。在负荷高峰时，供需矛盾更加尖锐。一味的增加供电容量，不但需要大量的投资，而且在负荷低谷时，资产利用率不高。随着信息采集和处理技术的进步，对用户用电数据进行采集，基于大量数据分析负荷数据，对用电特性相同的用户进行归类，分析其用电行为特征具有重要意义。根据用户用电行为特征可以预测用户用电用电量，更加准确合理的安排电能生产工作。更进一步，根据用电特性，分析用户柔性用电潜力和影响用户用电因素，通过合理的引导，使用户用电行为符合电网调度要求，能够很大程度上使用户参加错峰调峰等，不仅能够保证电网安全，还可以减少用电量的损失。

然而电力用户纷繁复杂，难以做到对每个用户具体分析，而且单个用户用电行为随机性较大。对大量用户负荷数据进行分析归类意义重大。对具有相同用电行为特征的用户实施有针对性的用电方案引导对电网运行具有重要意义。目前对大量用电特性进行分析，普遍采用聚类分析方法。

发明内容

本发明所要解决的技术问题是提供一种基于二次聚类的用电行为模式分类方法，将输入样本数据进行数据处理，然后通过多种系统聚类方法形成聚类中心和聚类树，挑选出最优聚类树和聚类中心，提供给模糊C均值进行二次聚类的分析归类方法。

本发明的技术方案：

一种基于二次聚类的用电行为模式分类方法，包括以下具体步骤：

步骤一：读取负荷数据，采用横向处理、纵向处理和温度处理三个方法对非正常数据进行识别与处理；

步骤二：通过移动平均数法对数据进行平滑处理，减少噪音；

步骤三：采用极差归一化处理和加权处理解决量纲差别大的问题；

步骤四：使用不同聚类方法得到每种方法下的聚类树和聚类中心；

步骤五：通过Cophenetic相关系数选出最优聚类树和聚类中心；

步骤六：利用模糊C聚类法，以最优聚类法的聚类树和聚类中心进行聚类，选取效果最好的类别数作为最终确定的类别数；

步骤七：得到类别数后，重复步骤四到步骤六，进行模糊C聚类后还原数据并输出聚类后的结果。

优选的，步骤一所述的对非正常数据进行识别和处理三个方法：

横向处理认为短时间内数据横向相同，即样本日与附近同类日曲线相同，结合统计学原理，利用样本统计指标与设定阈值判断是否有非正常数据；

纵向处理认为短时间内数据纵向相同，即相隔15min的连续3个数据相对稳定，没有突变，结合统计学原理，利用样本统计指标与设定阈值判断是否有非正常数据；

温度处理认为某一温度下各日最大负荷数据是否小于30％的对应温度下的最大负荷数据的平均值，则认为此日为休息日或者限电日。