[发明专利]基于网格重拆分小波聚类的柔性负荷聚类方法和装置

说明书

本发明公开了一种基于网格重拆分小波聚类的柔性负荷聚类方法和装置，对构造的原始负荷数据空间网格拆分后再进行边缘负荷数据网格重拆分，对存储于重拆分网格下的负荷数据应用小波变换，形成新的负荷数据空间；在新的负荷数据空间中寻找连通单元并进行小波聚类，得到聚类单元，为每个聚类单元添加相应的柔性负荷聚类标签，将新的负荷数据空间中负荷数据的聚类标签传递给原始负荷数据空间中的负荷数据，输出柔性负荷聚类集合。本发明能够对各类的柔性负荷根据其负荷特征进行聚类，将具有相似特征属性的柔性负荷对象聚合，从而为大量柔性负荷的集中控制、调度提供参考。

技术领域

本发明涉及柔性负荷聚类的技术领域，特别是涉及一种基于网格重拆分小波聚类的柔性负荷聚类方法和装置。

背景技术

电力高峰负荷持续增长以及间歇式能源的迅猛发展增加了电网调度运行的难度，对电力系统调节能力提出新的重大挑战。近年来，具有与电网双向互动能力的电动汽车、储能及部分能够根据激励或者电价调节的传统负荷逐渐出现，这类可实现用电量在指定区间内变化或在不同时段间转移的柔性负荷能够削峰填谷、平衡间歇式能源波动和提供辅助服务，极大地丰富了电网调度运行的调节手段。

面对群体日益庞大的柔性负荷对象，在实施需求响应措施前没有必要也不可能对每个用户都一一建立模型，而是针对每一类具有相似特征属性的柔性负荷群体进行建模研究，进而对各类别的柔性负荷对象进行需求响应调度。能实现此类要求的相关技术有分类技术和聚类技术两种。但是分类技术是在已知对象类别的前提下将样本进行分类。由于柔性负荷的组成较为复杂多变，用户种类繁多，因此分类技术并不适用于柔性负荷特性区分。而满足要求的聚类技术在柔性负荷聚类技术方面并不多见。

聚类分析法是一种新兴的多元统计技术，它将具有相似属性的事物聚为一类，使得同一类的事物具有高度的相似性。常用的聚类技术很多，如K-means等。但是它们并不适用于特征多样、数据庞大的柔性负荷聚类的要求。小波聚类技术具有时间复杂度低，无需事先指定族类，可快速处理规模化数据，能应对孤立点等优点，小波聚类技术特别适合柔性负荷快速性、容错性好和复杂度低的聚类要求。但是在小时的时间分辨率范围内电力负荷具有较强的随机性，存在大量负荷数据点分布在数据集的边缘，所以柔性负荷数据中含有较多随机性强、聚类关系不明显的边缘数据。而小波聚类的均匀网格聚类思想容易忽略数据集边缘的数据，直接将其判为噪点，进而极大地影响聚类的准确性。

发明内容

发明目的：为了克服上述现有技术的不足，本发明提供了一种基于网格重拆分小波聚类的柔性负荷聚类方法和装置，能够在对柔性负荷聚类时准确识别数据集边缘的有效数据，对柔性负荷实现准确聚类。

技术方案：为实现本发明的目的，本发明提供一种基于网格重拆分小波聚类的柔性负荷聚类方法，包括步骤：

对构造的原始负荷数据空间网格拆分后再进行边缘负荷数据网格重拆分，对存储于重拆分网格下的负荷数据应用小波变换，形成新的负荷数据空间；

在新的负荷数据空间中寻找连通单元并进行小波聚类，得到聚类单元，为每个聚类单元添加相应的柔性负荷聚类标签，将新的负荷数据空间中负荷数据的聚类标签传递给原始负荷数据空间中的负荷数据，输出柔性负荷聚类集合。

进一步的，原始负荷数据空间构造和网格拆分包括：

将标准化后负荷数据集X中的每个负荷数据对象映射至负荷数据空间中；确定负荷数据集X中每一维数值的区间范围 [min(x_i),max(x_i)]，i＝1,2,3,...,n，n为柔性负荷聚类对象的数量，x_i为第 i维标准化后的负荷数据，确定每维数据划分的单元数为 p_u 1≤p_u≤m,1≤u≤n，将每维负荷数据划分为p_u个单元，共形成p₁+p₂+p₃+...p_n个负荷数据网格单元；