[发明专利]一种分布式K-means电力用户分类方法、存储介质及分类设备

权利要求书

1.一种分布式K-means电力用户分类方法，其特征在于，包括以下步骤：

S1、N个负荷聚合商各自获取管理的所有电力用户的用电数据，包括电力用户的编号以及时序负荷数据；

S2、各负荷聚合商依据统一的归一化准则，对管理的用电用户的日负荷时序数据进行归一化操作；

S3、根据负荷聚合商的信息共享关系，形成N×N维邻接矩阵A，具体如下：

其中，N为负荷聚合商的数目，邻接矩阵A具有双重随机性，若负荷聚合商i,j之间存在信息交互，则a_i,j＞0；若a_i,j＞0，则a_j,i＞0；a_i,i＞0；

S4、步骤S2各负荷聚合商对各自所管理的用电用户的归一化后的日负荷时序数据进行K-means聚类，得到各自的聚类中心以及各聚类中心所表征的用户群；负荷聚合商之间基于步骤S3的邻接矩阵A共享聚类中心和各聚类中心下的用户数量，并依据相应函数反复迭代，最终多家负荷聚合商均获得一致的聚类中心，具体为：

S401、每个负荷聚合商内部以c_i,k(t)为初始聚类中心进行K-means聚类，i∈[1,N]，k∈[1,K]，K为聚类中心个数，t为整体迭代次数；

S402、根据邻接矩阵进行局部迭代；

S403、当局部迭代次数s的增加不影响每个聚类中心下的用户数量q_i,k(s,t+1)时，迭代结束；

S404、若此时i∈[1,N]，c_i,k(t+1)满足一致性要求，即不同负荷聚合商获得一致的聚类中心，则停止计算，输出结果；否则返回步骤S401，继续整体迭代；

S5、整体迭代结束后，每个负荷聚合商均获得相同的聚类中心，且此聚类中心与基于全局数据的K-means聚类中心一致，实现用户分类。

2.根据权利要求1所述的方法，其特征在于，步骤S2中，归一化之后编号为id的用户在第d个时间点的用电数据x_id,d为：

其中，角标id表示用户的编号；M_id表示编号为id的用户在所研究的时间尺度内的用电总量；D表示所研究的时间尺度内的数据点的总数；P_i,t表示归一化之前编号为id的用户在第d个时间点的用电数据，即实际的用电功率。

3.根据权利要求1所述的方法，其特征在于，步骤S401中，若t＝0，则随机选取初始聚类中心，记录每个聚类中心下的用户数量q_i,k(t)。

4.根据权利要求1所述的方法，其特征在于，步骤S402中，局部迭代具体为：

c_i,k(0,t+1)＝c_i,k(t+1)

q_i,k(0,t+1)＝q_i,k(t+1)

其中，s为局部迭代次数，c_i,k(0,t+1)为第t+1次全局迭代中局部迭代的初始聚类中心，q_i,k(0,t+1)为第t+1次全局迭代中局部迭代中各初始聚类中心下的用户数量，c_i,k(s+1,t+1)为第t+1次全局迭代中第s+1次局部迭代的聚类中心，q_i,k(s+1,t+1)为第t+1次全局迭代中第s+1次局部迭代中各聚类中心下的用户数量，t为整体迭代次数，a_i,j为聚合商i，j之间的交互系数，c_j,k(s,t+1)为第t+1次全局迭代中第s次局部迭代的聚类中心，q_j,k(s,t+1)为第t+1次全局迭代中第s次局部迭代的各聚类中心下的用户数量，N为负荷聚合商是数目。

5.根据权利要求1所述的方法，其特征在于，步骤S403具体为：

c_i,k(t+1)＝c_i,k(S,t+1)

其中，S为总迭代次数，c_i,k(t+1)为第t+1次整体迭代中初始的第i个负荷聚合商的第k个聚类中心。