[发明专利]基于负荷可调节潜力的负荷聚类方法及负荷聚类系统

权利要求书

1.一种基于负荷可调节潜力的负荷聚类方法，其特征在于，所述负荷聚类方法包括如下步骤：

基于电力大数据，获取负荷用电数据；

根据负荷用电数据，对负荷样本进行第一次聚类，获取第一次负荷样本聚类结果；

根据历史负荷可调节潜力主要影响因素和历史负荷可调节潜力数据，采用机器学习算法获得训练模型；

基于所述训练模型获取当前负荷可调节潜力数据；

基于所述当前负荷可调节潜力数据，对所述第一次负荷样本聚类结果进行第二聚类，获取第二次负荷样本聚类结果；

基于所述第二负荷聚类结果，确定所述负荷样本的类别。

2.根据权利要求1所述的基于负荷可调节潜力的负荷聚类方法，其特征在于所述负荷用电数据包括以下四个指标：负荷用电峰值P_max、负荷用电谷值P_min、负荷平均用电功率和负荷最大利用小时数Γ，其中，

式中，P(t)为t时刻负荷用电功率，T为负荷用电数据采集周期。

3.根据权利要求2所述的基于负荷可调节潜力的负荷聚类方法，其特征在于，所述第一次聚类采用所述K-means聚类方法，包括如下步骤：

选取K个数据{e₁,e₂,e₃...,e_k},1≤k≤n作为初始聚类中心，其中每一个所述初始聚类中心均由所述负荷用电数据的四个指标(P_max、P_min、和Γ)进行描述；

根据所述负荷样本的所述四个指标计算与每一个所述初始聚类中心的欧式距离d，其中，u_mn为第n个用户指标属于第m类，u_mn＝0为该用户不属于此类；d(c_m,x_n)为用户样本到其所在类别聚类中心的距离；c_m为用户样本聚类中心；x_n为某一类中用户样本数据；

判断聚类前和聚类后的所述负荷样本的类别情况是否相同，如果相同，则算法终止，否则进入下一步；

针对每个类别中的所有所述负荷样本，计算所有所述负荷样本的中心点，当做该类的新聚类中心，重新获取所述负荷样本到所述新聚类中心的欧氏距离，直至所述负荷样本的相邻两次聚类结果相同，则第一次聚类结束，得到所述第一次负荷样本聚类结果。

4.根据权利要求1所述的基于负荷可调节潜力的负荷聚类方法，其特征在于，获得所述训练模型具体包括如下步骤：

根据所述历史负荷可调节潜力主要影响因素和所述历史负荷可调节潜力数据，将数据分为两组，学习组和训练组，每一组均包括所述历史负荷可调节潜力主要影响因素和对应的所述历史负荷可调节潜力数据；

以所述历史负荷可调节潜力主要影响因素作为输入，所述历史负荷可调节潜力数据作为输出，基于所述学习组的数据采用所述机器学习方法建立学习模型；

基于所述训练组的数据对所述学习模型进行修正得到所述训练模型；

将当前负荷可调节潜力主要影响因素输入所述训练模型中，获取当前负荷可调节潜力数据。

5.根据权利要求4所述的基于负荷可调节潜力的负荷聚类方法，其特征在于，所述历史负荷可调节潜力主要影响因素和所述当前负荷可调节潜力主要影响因素均包括温度Tem、企业生产计划和历史调节潜力偏差。