[发明专利]一种基于KNN算法和k-means算法改进的空调负荷聚合方法

权利要求书

1.一种基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，包括下列步骤：

1)建立空调负荷的等效热参数模型，根据实际电力系统中空调负荷分布的参差性，设定等效热参数模型中的参数统计学分布规律，生成训练数据集；

2)对训练数据集中的数据进预处理；

3)在预处理后的数据集中选取空调负荷等效热参数模型中的分类关键参数；

4)利用选定的分类关键参数作为分类标准训练KNN分类模型，并确定k值；

5)在不同的空调负荷类别中选定聚合关键参数，将步骤4)确定的k值作为k-means算法的k值，依据关键参数利用k-means算法进行聚合，获取聚合功率；

6)基于得到的聚合功率，针对不同类别的聚合空调负荷依据特点选择调控策略，进而获取聚合空调负荷的组合调控策略。

2.根据权利要求1所述的基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，所述空调负荷的等效热参数模型通过传热学模型类比成电模型，利用电网络理论对模型求解得到。

3.根据权利要求2所述的基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，在空调负荷的等效热参数模型中，温度源与电压源等效，热流源与电流源等效，热阻和热容分别与电阻和电容等效。

4.根据权利要求3所述的基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，所述等效热参数模型的表达式为：

式中，A为系统矩阵，B为输入矩阵，二者均为三阶方阵；C为输入矩阵；x、y分别为状态矢量、输出量。

5.根据权利要求1所述的基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，步骤3)中，所述分类关键参数包括但不限于内蓄热体的热交换热容室内空气热容、室内空气热阻、室内外空气对流热阻、空调负荷的额定功率、室外温度和室内温度的其中一种或多种。

6.根据权利要求5所述的基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，步骤3)中，所述分类关键参数为空调负荷的额定功率、等效热阻。

7.根据权利要求1所述的基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，步骤5)中，所述聚合关键参数为空调负荷的功率。

8.根据权利要求7所述的基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，步骤5)中，利用等效替代法获取聚合功率。

9.根据权利要求8所述的基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，步骤5)的具体内容为：

确定聚合关键参数，即空调负荷的功率；确定聚合关键参数后，读取已经分类的数据集，将步骤4)分类得到的k值作为k-means算法的k值，根据当前的簇中心确定每个样本所属的簇，计算样本和簇中心的欧式距离，将样本分到距离最近的簇中，更新簇中心，若再次计算后样本和簇之间的距离均小于指定值，则停止迭代；停止迭代后，利用等效替代法计算聚合空调负荷的有聚合功率，并将样本所属聚类中的聚合功率进行加和。

10.根据权利要求1所述的基于KNN算法和k-means算法改进的空调负荷聚合方法，其特征在于，对训练数据集中的数据进预处理的具体内容为：剔除训练数据集中等效电容和空调功率不匹配的数据；随后对数据进行去量纲处理。