【技术实现步骤摘要】
一种集成电力负荷曲线聚类方法
本专利技术属于大数据
,具体涉及一种集成电力负荷曲线聚类方法。
技术介绍
在大数据时代,通过对历史电力负荷数据曲线进行聚类分析,获得用户的用电规律和特性,是电力系统经济调度和需求侧管理的一项重要的内容。传统的K-Mean算法、SOM神经网络、FCM算法等聚类算法对电力负荷曲线进行聚类的效果并不好。K-Mean算法和FCM算法都需要在聚类之前指定聚类数目,这使得算法难以准确表示用户自身的用电规律;SOM神经网络对数据进行聚类的时候虽然不用指定聚类数目,但其存在着不一定收敛的缺陷。
技术实现思路
本专利技术的目的是为了解决上述现有技术的缺陷,提供了一种集成SOM神经网络与DBSCAN算法的电力负荷聚类算法。首先获取原始电力负荷数据,使用SOM神经网络对原始电力负荷数据进行粗聚类,获得聚类结果C1;然后使用DBSCAN算法对聚类结果C1的类中心进行聚类,将同类的类中心对应的类簇合并;最后提出修正偏离元素规则对聚类结果进行调整,更好地对电力负荷曲线数据进行聚类,获得最优聚类结果。本专利技术的目的可以通过采取如下技术方案达到:一种集成电力负荷曲线聚类方法,包括以下步骤:S1、初始化SOM神经网络神经元的权值向量和获胜神经元领域半径N0:wij=rand(0,1),1≤i≤m,1≤j≤n(1)其中,Wi为输出层第i个神经元的权值向量,Wi=[wi1,wi2,...,win];wij为Wi的第j个分量的值;n为输入层节点的个数,m为输出层神经元的个数;初始获胜神经元领域半径N是一个较大的值N0;S2、归一化输入向量Xk和SOM输出层神经元 ...
【技术保护点】
1.一种集成电力负荷曲线聚类方法,其特征在于,所述方法包括以下步骤:S1、初始化SOM神经网络神经元的权值向量和获胜神经元领域半径N0:wij=rand(0,1),1≤i≤m,1≤j≤n (1)其中,Wi为输出层第i个神经元的权值向量,Wi=[wi1,wi2,...,win];wij为Wi的第j个分量的值;n为输入层节点的个数,m为输出层神经元的个数;初始获胜神经元领域半径N是一个较大的值N0;S2、归一化输入向量Xk和SOM输出层神经元的权值向量Wi:
【技术特征摘要】
1.一种集成电力负荷曲线聚类方法,其特征在于,所述方法包括以下步骤:S1、初始化SOM神经网络神经元的权值向量和获胜神经元领域半径N0:wij=rand(0,1),1≤i≤m,1≤j≤n(1)其中,Wi为输出层第i个神经元的权值向量,Wi=[wi1,wi2,...,win];wij为Wi的第j个分量的值;n为输入层节点的个数,m为输出层神经元的个数;初始获胜神经元领域半径N是一个较大的值N0;S2、归一化输入向量Xk和SOM输出层神经元的权值向量Wi:其中,Xk=[xk1,xk2,...,xkn]为第k个输入向量,n=9为输入层节点数;Wi为输出层第i个神经元的权值向量,Wi=[wi1,wi2,...,win],其中1≤i≤m;||Xk||为输入向量Xk的欧几里得范数;||Wi||为第i个神经元的权值向量的欧几里得范数;S3、计算输入向量Xk和输出层神经元的权值向量Wi的欧氏距离,获得获胜神经元:其中,d(Xk,Wi)表示第k个输入向量和第i个神经元的权值向量的欧氏距离;使得d(Xk,Wi)取得最小值的神经元i即为输入向量Xk的获胜神经元;S4、更新获胜神经元拓扑领域内的神经元的权值向量:Wt+1=Wt+η(t,Nt)·(Xk-Wt)(5)其中Wt为输入向量Xk的获胜神经元在t时刻的权值向量;η(t,N)为学习率函数,其表达式为:S5、更新学习率η和获胜神经元拓扑领域N:学习率η的更新方式为:ηt+1=ηt-αt(7)其中α为大于0的常数;获胜神经元拓扑领域N的更新方式为:Nt+1=Nt-βt(8)其中β为大于0的常数;S6、判断SOM神经网络是否收敛:若学习率η<ηmin或者达到最大的迭代次数T,则输出聚类结果C1并转S7;否则转S3;其中ηmin和T为用户预先设定的值;S7、计算SOM神经网络聚类结果C1的类中心ci:其中,Xi,Xj均为聚类结果C1的第i类簇中的元素;r为第i类簇中包含的元素个数;d(Xi,Xj)为Xi,Xj的欧氏距离;类中心ci集合用R表示;S8、计算S7中的聚类结果C1的类中心ci集合R的K-距离集合D:对于数据集合R={c1,c2,c3,...,cm},计算元素ci到R的子集S={c1,c2,c3,...,ci-1,ci+1,...,cm}中所有元素的距离,距离按照从小到大排序,获得排序后的距离集合D′={d1,d2,d3,...,dk,dk+1,...,dm},dk即为K-距离,对集合R中每一个元素ci都计算K-距离,得到所有点的K-距离集合D={dk1,dk2,...,dkm};S9、初始化DBSCAN算法的领域半径Eps和最小密度MinPts:MinPts的值由用户指定,其值即为S8中的K-距离的K值;领域半径Eps为S8中计算的K-距离曲线D中...
【专利技术属性】
技术研发人员:戚远航,蔡延光,罗育辉,陈厚仁,王世豪,
申请(专利权)人:电子科技大学中山学院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。