[发明专利]一种基于HP滤波器及重标极差法的负荷序列聚类方法

权利要求书

1.一种基于HP滤波器及重标极差法的负荷序列聚类方法，其特征在于，包括以下步骤：

1)对采集到的年负荷时间序列进行数据归一化处理并且按照季度进行划分；

2)采用HP滤波器将每一季度的每日负荷时间序列分解成趋势项和波动项，则有：

S_s＝T_s+C_s

其中，S_s为第s个季度的负荷时间序列，T_s为趋势项，C_s为波动项；

3)分别提取每一季度中每日的趋势项特征和波动项特征，并结合两者特征作为该日负荷的总特征，对于分解得到的每日趋势项序列，提取3个趋势项特征α，β，γ，则有：

γ＝max{μ(t)}，1≤t≤T

其中，μ(t)为趋势序列，T为趋势序列的时间长度，t表示时间；

对于分解得到的每日波动项序列，采用重标极差法提取波动项特征H，表达式为：

R/S＝(cn)^H

其中，R/S称为时间序列的重标极差，c为常数，n为序列的长度；

波动项特征H的获取方法为：

对R/S＝(cn)^H等式两边取对数后进行线性回归得到H的估计值；

4)将总特征作为模糊c均值聚类的输入，根据模糊c均值聚类的输出聚类结果构建全年负荷类别色块图。

2.根据权利要求1所述的一种基于HP滤波器及重标极差法的负荷序列聚类方法，其特征在于，所述的步骤1)中，数据归一化处理得到的年负荷时间序列矩阵y表示为：

y＝[y₁ y₂ y₃…y₃₆₅]^T

其中，y_max和y_min分别表示标准化后的最大值和最小值，L_max为全年负荷的最大值，L_min为全年负荷的最小值，L_ij为第i天的日负荷时间序列中的第j个负荷值，L＝[L₁ L₂ L₃…L₃₆₅]^T为全年负荷时间序列矩阵。

3.根据权利要求2所述的一种基于HP滤波器及重标极差法的负荷序列聚类方法，其特征在于，所述的y_max取值为1，y_min取值为0。

4.根据权利要求3所述的一种基于HP滤波器及重标极差法的负荷序列聚类方法，其特征在于，所述的步骤1)中，得到数据归一化处理得到的年负荷时间序列矩阵y后按照四个季度将年负荷时间序列划分成四份。

5.根据权利要求1所述的一种基于HP滤波器及重标极差法的负荷序列聚类方法，其特征在于，所述的步骤4)具体包括以下步骤：

41)对于日负荷的总特征F_i＝{α_i，β_i，γ_i，H_i}，通过SIL指标计算最佳聚类数；

42)将日负荷的总特征作为输入，采用模糊C均值聚类输出聚类结果；

43)最后根据聚类的结果绘制全年负荷类别色块图。

6.根据权利要求5所述的一种基于HP滤波器及重标极差法的负荷序列聚类方法，其特征在于，所述的步骤41)中，SIL指标计算公式为：

其中，a_k为样本k与同属于一类的其它样本的平均距离，b_k为样本k与不包含该样本的所有类别中样本的平均距离。