[发明专利]一种基于用户用电行为的两阶段精细化聚类方法

说明书

本发明提出了一种基于用户用电行为的两阶段精细化聚类方法，该方法考虑到单凭一次聚类处理只能得到较为模糊的聚类结果，不满足需求。因此，在本方法首先对用户采用K‑means方法进行聚类，之后首先采用PCA方法对初次聚类结果进行降维，分析初次聚类结果的可再分程度，形成第二次聚类类数。以此为基础对初次聚类结果进行二次聚类，形成精细化聚类结果。该两阶段精细化聚类方法能有效克服现有方法的不足，提高用户负荷聚类的准确性。同时通过分析基于实际用户负荷曲线构成的算例，可以验证所提方法的可靠性。

技术领域

本发明涉及负荷聚类、负荷建模、电网规划等领域，特别涉及一种基于用户用电行为的两阶段精细化聚类方法。

背景技术

用户负荷特性分类能有效解决负荷特性的时变性及区域分散性问题，是负荷建模中的一项重要工作。精确化的负荷特性分类能提炼负荷的共性特征，反映电力系统的运行状态，这对指导电网规划、实时调度等同样具有重要意义。但是，对于实际用户负荷曲线来说，由于用户负荷类型过多过杂，单次负荷聚类不能有效地区分纷杂的用户负荷，简单的增加聚类类数也会造成新增类的负荷曲线相似性太高。

发明内容

本发明的目的是针对上述现有负荷聚类方法的不足，提出一种基于用户用电行为的两阶段精细化聚类方法。本发明方法为：(1)首先对用户负荷曲线进行归一化预处理；(2)采用K-means方法进行聚类；(3)之后首先采用标准主成分分析PCA方法对初次聚类结果进行降维；(4)分析初次聚类结果的可再分程度，形成第二次聚类类数，最终以此为基础对初次聚类结果进行二次聚类，形成精细化聚类结果。该两阶段精细化聚类方法能有效克服现有方法的不足，提高用户负荷聚类的准确性。

为了达到上述目的，本发明所采用的技术方案如下：

一种基于用户用电行为的两阶段精细化聚类方法，具体包括如下步骤：

(1)以待聚类用户的每15min一点的负荷曲线为基础，归一化后形成待聚类用户负荷曲线数据集；

(2)采用K-means算法对步骤(1)建立的待聚类用户负荷曲线进行初次聚类，获得初次聚类结果，该结果包含各类用户负荷曲线的所属类别的对应编号以及相应的聚类中心；

(3)采用标准主成分分析PCA方法对步骤(2)中获得的初次聚类结果进行降维，将从属于各个聚类中心的负荷曲线从96维降至2维；并求取各类中96维负荷曲线在邻域内的点值作为Z轴数据，弥补前面降维的信息损失；最终得到各初次聚类类别中负荷曲线的分布密度；

(4)根据步骤(3)中获得的分布密度与使用者预想的再细分精度选择滤值阈值，根据邻域点数对原96维数据进行滤值后，再通过K-means聚类，得到精细化聚类结果。

上述技术方案中，进一步地，所述步骤(1)具体为：

记第i个用户的有功量测数据为：p_i＝[p₁,…,p_d,…,p_D]^T，其中d＝1,…,D，D为日负荷曲线采样点数。

由于在聚类中，主要考虑负荷曲线的形状特征，首先对这些数据进行归一化，归一化方法具体为：

其中p_d’为归一化后的d时间点上用户i的负荷值max(p_d)为p_i中的最大值，min(p_d)为p_i中的最小值。

进一步地，所述步骤(2)具体为：

为克服按行业性质划分的不足，首先对众多的用户负荷依照其负荷曲线进行聚类，建立用户聚类模型，该模型采用欧式距离作为用户负荷的特征向量相似性评价指标，其目标函数为：