一种模糊C均值聚类的馈线负荷性质分析方法技术

本发明专利技术涉及一种模糊C均值聚类的馈线负荷性质分析方法，包括：采集馈线的历史负荷数据，对历史负荷数据进行聚类找到聚类中心的目标负荷数据序列；计算目标负荷数据序列的目标变化趋势序列；预设c种典型负荷数据序列，计算各种典型负荷数据序列的参考变化趋势序列；计算目标变化趋势序列和各个参考变化趋势序列之间时间弯曲欧式距离；利用模糊C均值聚类方法和时间弯曲欧式距离求解目标变化趋势序列相对各个参考变化趋势序列隶属度函数；确定最大隶属度函数，并取最大隶属度函数所对应的典型负荷数据序列的类型即为馈线的类型。本发明专利技术结合变化趋势序列与时间弯曲欧式距离的优异特性，提高馈线负荷性质分类拟合的精准度。提高馈线负荷性质分类拟合的精准度。提高馈线负荷性质分类拟合的精准度。

【技术实现步骤摘要】
一种模糊C均值聚类的馈线负荷性质分析方法


[0001]本专利技术涉及馈线负荷性质分类领域，尤其涉及一种模糊C均值聚类的馈线负荷性质分析方法。

技术介绍

[0002]在配电网调度运行、故障处置及需求侧管理等业务中，调度人员及用电管理人员需要掌握配网中馈线供电电力用户的负荷性质，从而有针对性地开展方式调整、事故后恢复及负荷侧管理，但一方面，配电网调度人员仅能掌握电网实时运行数据，无法通过直接与电力用户沟通掌握电力用户的用电性质，另一方面，馈线负荷数据量巨大存在一定的随机性，难以简捷直观地判断负荷的性质，因而需要探索一种实用的馈线负荷数据分析方法，判断馈线供带用户负荷的性质。
[0003]聚类方法是对馈线的负荷进行分析分类的重要工具。传统的聚类分析是一种硬划分，它把每个待识别的对象严格地划分到某类中，具有“非此即彼”的性质，馈线供电用户多元，往往不具备严格划分的条件，不适用于传统聚类方法。模糊聚类算法可以实现根据数据自身变化趋势的“软化分”，为分析多元复杂的馈线负荷数据提供了理论基础。中国专利[201911199324.1]提出了一种电力负荷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模糊C均值聚类的馈线负荷性质分析方法，其特征在于，包括：按时序采集馈线的历史负荷数据，对历史负荷数据进行聚类找到聚类中心的目标负荷数据序列；计算目标负荷数据序列的目标变化趋势序列；预设c种典型负荷数据序列，计算各种典型负荷数据序列的参考变化趋势序列；计算目标变化趋势序列和各个参考变化趋势序列之间时间弯曲欧式距离；利用模糊C均值聚类方法和时间弯曲欧式距离求解目标变化趋势序列相对各个参考变化趋势序列隶属度函数；确定最大隶属度函数，并取最大隶属度函数所对应的典型负荷数据序列的类型即为馈线负荷的类型。2.根据权利要求1所述模糊C均值聚类的馈线负荷性质分析方法，其特征在于，按时序采集馈线的历史负荷数据时，所采集的历史负荷数据内相邻样本数据之间的时间间隔相同，且样本量大于设定的样本量阈值；典型负荷数据序列与目标负荷数据序列的维度一致，目标负荷数据序列和典型负荷数据序列元素之间的时间间隔一致。3.根据权利要求1所述模糊C均值聚类的馈线负荷性质分析方法，其特征在于，所述计算目标负荷数据序列的目标变化趋势序列包括：获取目标负荷数据序列中全部相邻的元素，以相邻元素中在后元素减去在前元素的差比上目标负荷数据序列相邻元素之间的时间间隔获取目标变化趋势序列的元素，将目标变化趋势序列的元素按时间顺序排列形成目标变化趋势序列。4.根据权利要求1所述模糊C均值聚类的馈线负荷性质分析方法，其特征在于，预设c种典型负荷数据序列，计算各种典型负荷数据序列的参考变化趋势序列包括：获取每个典型负荷数据序列中全部相邻的元素，以相邻元素中在后元素减去在前元素的差比上典型负荷数据序列中相邻元素之间的时间间隔获取典型负荷数据序列的参考变化趋势序列的元素，将各个参考变化趋势序列的元素按时间顺序排列形成参考变化趋势序列。5.根据权利要求1所述模糊C均值聚类的馈线负荷性质分析方法，其特征在于，所述计算目...

【专利技术属性】
技术研发人员：李方舟，霍健，孙雯，施冬明，党传坤，刘红霞，牛阳，刘晓，贝太周，谭苏君，徐欣，马文霞，王金峰，邢建，刘琛，何峰军，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：