一种基于主成分分析和k-means聚类的台区用户识别方法技术

本发明专利技术涉及电力系统技术领域，公开了一种基于主成分分析和k‑means聚类的台区用户识别方法。包括：获取台区变压器低压侧及用户电表电压数据；对电压数据进行主成分分析，获取低维度分析对象；确定k‑means聚类个数k；计算待聚类对象数据密度，确定初始聚类质心；采用k‑means聚类算法对待聚类对象进行聚类，然后识别台区用户关系。采用本发明专利技术的方案，提高辨识可靠性、解决效率低且存在安全隐患的问题，并且降低了硬件和人工成本；通过降维技术把多维的电压数据化为较少的几个主成分来进行分析，从而降低了算法计算量，提高了算法效率；对常规的k‑means算法进行改进，能够准确有效地识别用户所属台区与相别，能够彻底解决跨台区用户归属难题。

【技术实现步骤摘要】
一种基于主成分分析和k-means聚类的台区用户识别方法
本专利技术涉及电力系统
，特别是一种基于主成分分析和k-means聚类的台区用户识别方法。
技术介绍
准确的基础台区档案是台区线损率分析、配网故障定位、抢修工单下发、三相不平衡分析等等一系列高级应用的重要基础。然而由于我国电力系统起步较晚、初期发展规划不完善，我国现阶段配电变压器分布散乱、配电线路错综复杂。同时，由于电网公司在多年的运营过程中信息记录遗失、更新不及时、信息不完整等原因，导致台区的档案资料往往不准确，即少部分终端用户存在台户真实挂接关系与台区档案不相符的现象。错乱的台区档案使多种高级应用无法有效开展，严重影响了电网公司建设智能电网的进程。因此，亟需高效、稳定、准确的台区拓扑辨识方法，为全面指导低压台区运行、维护、抢修、技改、规划等各领域的工作奠定基础。传统的台区用户识别方法分为人工识别和利用专用的台区识别设备两种。人工识别需要依靠电力人员到现场逐户排查台区用户的归属情况，费时费力且效率极低。台区用户识别仪多数基于电力载波技术直接通信与否或电流脉冲技术等来识别台区信息。载波信号通过共地、共高压、并行布线耦合的本文档来自技高网...

【技术保护点】
1.一种基于主成分分析和改进k‑means聚类的台区用户识别方法，其特征在于，包括以下过程：步骤1，获取台区变压器低压侧及用户电表电压数据；步骤2，对电压数据进行主成分分析，获取低维度分析对象；步骤3，确定k‑means聚类个数k；步骤4，计算待聚类对象数据密度，确定初始聚类质心；步骤5，采用k‑means聚类算法对待聚类对象进行聚类，然后识别台区用户关系。

【技术特征摘要】
1.一种基于主成分分析和改进k-means聚类的台区用户识别方法，其特征在于，包括以下过程：步骤1，获取台区变压器低压侧及用户电表电压数据；步骤2，对电压数据进行主成分分析，获取低维度分析对象；步骤3，确定k-means聚类个数k；步骤4，计算待聚类对象数据密度，确定初始聚类质心；步骤5，采用k-means聚类算法对待聚类对象进行聚类，然后识别台区用户关系。2.如权利要求1所述的基于主成分分析和改进k-means聚类的台区用户识别方法，其特征在于，所述步骤1的具体过程为：获取l台台区变压器低压侧电压数据其中，表示第n个时刻第f台变压器A相的低压侧电压；表示第n个时刻第f台变压器B相的低压侧电压；表示第n个时刻第f台变压器A相的低压侧电压；待识别的m台用户电表电压数据其中，表示第n个时刻第f台待识别用户电表电压。3.如权利要求2所述的基于主成分分析和改进k-means聚类的台区用户识别方法，其特征在于，所述步骤2的具体过程为：步骤21，将台区变压器低压侧电压数据和待识别电表电压数据组成形成矩阵步骤22，对所有的电压数据进行去中心化所有去中心化的电压数据组成新的样本矩阵X'；步骤23，计算样本的协方差矩阵C＝X'X'T,对矩阵C进行特征值分解；步骤24，取出最大的n'个特征值对应的特征向量(w1,...wn')，将所有的特征向量标准化后，组成特征向量矩阵W；步骤25，对样本集中的每一个样本X，转化为新的样本Z＝WTX,得到降维后的矩阵其中Zf＝[zf1,zf2,...,zfn']。4.如权利要求3所述的基于主成分分析和改进k-means聚类的台区用户识别方法，其特征在于，所述步骤4的具体过程为：步骤41，计算任意两个对象之间的距离Lpq，其中，Lpq为第p个样本到第q个样本的距离；步骤42，计算所有对象间的平均距离MeanL，式中，n'为样本的数据维度；步骤4...

【专利技术属性】
技术研发人员：唐明，何仲潇，汪晓华，连利波，
申请(专利权)人：清华四川能源互联网研究院，
类型：发明
国别省市：四川,51