一种构建多元负荷聚类模型方法及系统技术方案

本发明专利技术公开了一种构建多元负荷聚类模型方法包括：采集用户基本信息以及多元负荷数据；对用户基本信息以及多元负荷数据进行预处理，得到能够进行聚类分析的数据集合；对多元负荷分别进行模糊C均值聚类，确定多元负荷数据对应的多个聚类结果；根据确定聚类结果分别对多元负荷分析负荷单体特性，并进行层次聚类得到多元负荷资源聚集模型。可见本发明专利技术提供的构建多元负荷聚类模型方法，通过对用户基本信息以及多元负荷数据作为模型输入数据，对数据预处理后通过模糊C均值聚类和层次聚类算法生成多元负荷聚集模型；可实现负荷单体特征提取和多元负荷聚集特征提取；并解决了传统数据聚类方法对海量负荷数据不能进行统一建模的问题。

A method and system for constructing multivariate load clustering model

The invention discloses a construction of multi load including clustering model methods: the collection of basic information users and multiple load data; basic information of the user and multiple load data pretreatment, can be obtained by cluster analysis of multivariate data set; load into fuzzy C means clustering, determining a plurality of load data corresponding to multiple clustering results the clustering results were determined; according to the analysis of load characteristics of single and multi load, hierarchical clustering multiple load resource aggregation model. The invention provides a visible construction of multi load clustering model, based on the basic information of the user and multiple load data as model input data, the data after pretreatment by fuzzy C clustering and hierarchical clustering algorithm to generate multiple load aggregation model; can realize load single feature extraction and multiple load aggregation feature extraction and solved; the traditional clustering methods data unified modeling of massive data can not load problem.

【技术实现步骤摘要】
一种构建多元负荷聚类模型方法及系统
本专利技术涉及数据处理领域，特别是指一种构建多元负荷聚类模型方法及系统。
技术介绍
传统用户侧资源的负荷建模，主要是对电力负荷建模，其中使用最多的是模糊C均值聚类算法(FCM)，FCM是一种无监督的分类算法。通过FCM聚类算法是一种柔性的模糊划分可以解决传统聚类硬化分的确定，对负荷进行分类，分析负荷特性，在电力负荷特性分类、电网连锁故障预警等领域已有了较好的应用。但是用户侧资源不仅包括电力负荷，还包括分布式发电、储能装置等负荷，具有多样性、分散性、随机性等特征，如何对多元负荷建立一个统一模型来表征负荷资源特性较为困难；用户侧资源单体特性和聚合特性的不确定性，也成为多元负荷资源负荷建模的研究难点；另外，随着负荷资源的多样化，多元负荷资源的海量数据使得传统的数据处理方法已不再适用。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种适合处理多元负荷资源数据的构建多元负荷聚类模型方法及系统。基于上述目的本专利技术提供的构建多元负荷聚类模型方法，包括：采集用户基本信息以及多元负荷数据；对用户基本信息以及多元负荷数据进行预处理，得到能够进行聚类分析的数据集合；对多元负荷分别进行模糊C均值聚类，确定多元负荷数据对应的多个聚类结果；根据确定的多个聚类结果分别对多元负荷分析负荷单体特性；根据确定的多个聚类结果进行层次聚类得到多元负荷资源聚集模型。优选的，所述对用户基本信息以及多元负荷数据进行预处理包括：将采集到的数据去除不合理数据；对剩余数据进行归一化处理，包括：同趋化处理和无量纲化处理。优选的，所述对多元负荷分别进行模糊C均值聚类，确定多元负荷数据对应的多个聚类结果包括：将经过归一化的数据集X＝[x1,x2,……,xn]分为c个模糊组，并求每组的聚类中心C:模糊c划分可用矩阵U＝[uij]表示，其中矩阵U的元素uij表示第j(j＝1,2,……,n)个数据点属于第i(i＝1,2,……,c)类的隶属度；uij满足以下条件：根据每个给定数据点用值在0和1间的隶属度来确定其属于各个组的程，模糊C均值聚类的目标函数就是所有各点隶属度乘以该点与中心的欧式距离之和，模糊C均值聚类算法就是求使聚类的目标函数最小化的划分矩阵U和聚类中心C，即：dij(xj,vi)＝||vi-xj||其中，n是样本数据集的个数，c是聚类中心数，m为加权指数，dij是样本点和聚类中心的欧式距离。优选的，所述用户基本信息包括：用户所属区域、是否私变台区和行业分类信息；所述多元负荷数据包括：用户电力负荷、分布式发电以及储能装置数据。优选的，所述对多元负荷分别进行模糊C均值聚类包括：对用户基本信息以及用户电力负荷数据进行模糊C均值聚类，计算每个用户属于每种分类的隶属度，可用矩阵U1＝[uij]表示，其中矩阵U1的元素[uij]表示第j(j＝1,2,……,n)个用户属于第i(i＝1,2,……,c1)类的隶属度，c1是用户电力负荷聚类总数；对用户基本信息以及分布式发电数据进行模糊C均值聚类，计算每个用户属于每种分类的隶属度，可用矩阵U2＝[uij]表示，其中矩阵U2的元素[uij]表示第j(j＝1,2,……,n)个用户属于第i(i＝1,2,……,c2)类的隶属度，c2是分布式发电聚类总数；对用户基本信息以及用户储能数据进行模糊C均值聚类，计算每个用户属于每种分类的隶属度，可用矩阵U3＝[uij]表示，其中矩阵U3的元素uij表示第j(j＝1,2,……,n)个用户属于第i(i＝1,2,……,c3)类的隶属度，c3是用户储能数据聚类总数。优选的，所述用户电力负荷数据包括：正向有功总、正向有功尖、正向有功峰、正向有功平、正向有功谷以及用户容量；所述分布式发电数据包括：电动汽车总负荷、并网方式以及光伏发电电量；储能数据包括：设备容量、并网方式以及用电量信息。优选的，所述根据确定的多个聚类结果进行层次聚类得到多元负荷资源聚集模型包括：计算n个对象两两之间的距离；构造n个单成员聚类C1,C2,……,Cn，每一类的高度都为0；找到两个最近的聚类Ci，Cj，合并Ci和Cj，聚类的个数减少1，以被合并两个类间距作为上层的高度；计算新生成的聚类与本层中其他聚类的间距，如果满足终止条件，算法结束，否则返回执行步骤：找到两个最近的聚类Ci，Cj，进行合并，聚类的个数减少1，以被合并两个类间距作为上层的高度。另一方面，本专利技术还提供构建多元负荷聚类模型系统，包括：采集数据单元：用于采集用户基本信息以及多元负荷数据；数据处理单元：用于对用户基本信息以及多元负荷数据进行预处理，得到能够进行聚类分析的数据集合；构建模型单元：用于对多元负荷分别进行模糊C均值聚类，确定多元负荷数据对应的多个聚类结果，以及用于根据确定的多个聚类结果分别对多元负荷分析负荷单体特性，根据确定的多个聚类结果进行层次聚类得到多元负荷资源聚集模型。优选的，所述数据处理单元包括：去除数据模块，用于将采集到的数据去除不合理数据；归一化数据模块，用于对剩余数据进行归一化处理，包括：同趋化处理和无量纲化处理。优选的，所述用户基本信息包括：用户所属区域、是否私变台区和行业分类信息；所述多元负荷数据包括：用户电力负荷、分布式发电以及储能装置数据。从上面所述可以看出，本专利技术提供的构建多元负荷聚类模型方法，通过对用户基本信息以及多元负荷数据作为模型输入数据，对数据预处理后，通过模糊C均值聚类和层次聚类两种聚类算法生成多元负荷资源聚集模型；可实现负荷单体特征提取和多元负荷资源聚集特征提取；并解决了传统数据聚类方法对海量负荷数据不能进行统一建模的问题。附图说明图1为本专利技术提供的构建多元负荷聚类模型方法的实施例流程图；图2为本专利技术提供的构建多元负荷聚类模型实施例示意图；图3为本专利技术提供的构建多元负荷聚类模型系统的实施例示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照，图1为本专利技术提供的构建多元负荷聚类模型方法的实施例流程图，以及图2为构建的模型示意图，对本专利技术进一步详细说明。本专利技术提供的构建所述构建多元负荷聚类模型方法包括：步骤101，采集用户基本信息以及多元负荷数据。步骤102，对用户基本信息以及多元负荷数据进行预处理，得到能够进行聚类分析的数据集合。步骤103，对多元负荷分别进行模糊C均值聚类，确定多元负荷数据对应的多个聚类结果。步骤104，根据确定的多个聚类结果分别对多元负荷分析负荷单体特性。步骤105，根据确定的多个聚类结果进行层次聚类得到多元负荷资源聚集模型。可见本专利技术提供的构建多元负荷聚类模型方法，通过对用户基本信息以及多元负荷数据作为模型输入数据，对数据预处理后，通过模糊C均值聚类和层次聚类两种聚类算法生成多元负荷资源聚集模型；可实现负荷单体特征提取和多元负荷资源聚集特征提取；并解决了传统数据聚类方法对海量负荷数据不能进行统一建模的问题。其中，步骤101，采集用户基本信息以及多元负荷数据中：所述用户基本信息，记为Xup＝{x11,x12,……,x1n}，x11,x12,……,x1n为不同用户基本信息数据值；所述用户基本信息包括：用户所属区域、是否私变台区和行业分类信息等，所述多元负荷数据包括：用户电力负荷数据，记为Xel＝{x21,x22,……,x2m}；本文档来自技高网...

【技术保护点】
一种构建多元负荷聚类模型方法，其特征在于包括：采集用户基本信息以及多元负荷数据；对用户基本信息以及多元负荷数据进行预处理，得到能够进行聚类分析的数据集合；对多元负荷分别进行模糊C均值聚类，确定多元负荷数据对应的多个聚类结果；根据确定的多个聚类结果分别对多元负荷分析负荷单体特性；根据确定的多个聚类结果进行层次聚类得到多元负荷资源聚集模型。

【技术特征摘要】
1.一种构建多元负荷聚类模型方法，其特征在于包括：采集用户基本信息以及多元负荷数据；对用户基本信息以及多元负荷数据进行预处理，得到能够进行聚类分析的数据集合；对多元负荷分别进行模糊C均值聚类，确定多元负荷数据对应的多个聚类结果；根据确定的多个聚类结果分别对多元负荷分析负荷单体特性；根据确定的多个聚类结果进行层次聚类得到多元负荷资源聚集模型。2.根据权利要求1所述的构建多元负荷聚类模型方法，其特征在于，所述对用户基本信息以及多元负荷数据进行预处理包括：将采集到的数据去除不合理数据；对剩余数据进行归一化处理，包括：同趋化处理和无量纲化处理。3.根据权利要求2所述的构建多元负荷聚类模型方法，其特征在于，所述对多元负荷分别进行模糊C均值聚类，确定多元负荷数据对应的多个聚类结果包括：将经过归一化的数据集X＝[x1,x2,……,xn]分为c个模糊组，并求每组的聚类中心C:模糊c划分可用矩阵U＝[uij]表示，其中矩阵U的元素uij表示第j(j＝1,2,……,n)个数据点属于第i(i＝1,2,……,c)类的隶属度；uij满足以下条件：根据每个给定数据点用值在0和1间的隶属度来确定其属于各个组的程，模糊C均值聚类的目标函数就是所有各点隶属度乘以该点与中心的欧式距离之和，模糊C均值聚类算法就是求使聚类的目标函数最小化的划分矩阵U和聚类中心C，即：dij(xj,vi)＝||vi-xj||其中，n是样本数据集的个数，c是聚类中心数，m为加权指数，dij是样本点和聚类中心的欧式距离。4.根据权利要求3所述的构建多元负荷聚类模型方法，其特征在于，所述用户基本信息包括：用户所属区域、是否私变台区和行业分类信息；所述多元负荷数据包括：用户电力负荷、分布式发电以及储能装置数据。5.根据权利要求4所述的构建多元负荷聚类模型方法，其特征在于，所述对多元负荷分别进行模糊C均值聚类包括：对用户基本信息以及用户电力负荷数据进行模糊C均值聚类，计算每个用户属于每种分类的隶属度，可用矩阵U1＝[uij]表示，其中矩阵U1的元素[uij]...

【专利技术属性】
技术研发人员：王丹，李思维，吴磊，于建成，田世明，王旭东，刘茁出，崇志强，刘晓丹，岳靓，冷曼，
申请(专利权)人：北京国电通网络技术有限公司，国网信息通信产业集团有限公司，北京中电飞华通信股份有限公司，国网天津市电力公司，中国电力科学研究院有限公司，国家电网公司，
类型：发明
国别省市：北京,11