一种基于集成聚类技术的10kV母线负荷特性分析方法技术

一种基于集成聚类技术的10kV母线负荷特性的综合分析方法，利用集成聚类算法对负荷分别进行日负荷聚类、小时负荷聚类分析，可根据实际情况需要确定负荷聚类中心数，对负荷进行更加精细化、深层次的分类，有利于对于负荷特性进行细致化挖掘研究，进而提升负荷预测准度，合理对电力系统进行优化调节，提高新能源消纳；其中，尤其是对负荷峰谷平期持续时间的准确计算，解决以往由经验判定峰谷期的缺点，进而提升负荷预测准度。进而提升负荷预测准度。进而提升负荷预测准度。

A load characteristic analysis method of 10kV bus based on integrated clustering technology

【技术实现步骤摘要】
一种基于集成聚类技术的10kV母线负荷特性分析方法


[0001]本专利技术涉及电网负荷分析
，特别涉及一种基于集成聚类技术的10kV母线负荷特性分析方法。

技术介绍

[0002]目前，各类聚类分析技术方法已被应用于电力负荷聚类中，包含基于划分的聚类算法、层次聚类算法、基于图的聚类算法等。相似度量方法决定了聚类算法对于负荷曲线变化特征的敏感度，是影响聚类质量的重要指标。主流方案大多关注于两条曲线相同采样点的负荷差异，最常见的方法为用欧氏距离判定相似度，通过计算相同采样点之间的距离均值，判断曲线相似程度。
[0003]近年来，基于神经网络和深度学习的聚类方法广泛应用，很大程度上提高了聚类效率，更好地对用户用电负荷进行预测分析，在该方法可有效的进行分类识别，并对用户用电负荷特性进行分析，并为接下来的负荷优化提高了工作效率。
[0004]目前创新大多数集中在算法上，关于负荷特性的深层次挖掘相对较少。

技术实现思路

[0005]针对现有技术存在的问题及技术要求，本专利技术的目的是提供了一种基于集成聚类技术的10kV母线负荷特性分析方法，，利用集成聚类算法对负荷分别进行日负荷聚类、小时负荷聚类分析，确定负荷聚类中心数，对负荷进行更加精细化、深层次的分类。
[0006]为了达到上述目的，本专利技术采用以下技术方案实现：
[0007]一种基于集成聚类技术的10kV母线负荷特性分析方法，包括以下步骤：
[0008](S1)通过电力信息采集系统，提取研究区域的全年历史负荷数据，并进行预处理；
[0009](S2)利用聚类有效评价指标设置聚类数目；
[0010](S3)运用集成聚类技术对全年历史负荷数据进行聚类，得到纵向聚类和横向聚类；
[0011](S4)根据步骤(S2)、步骤(S3)，提取年时间尺度下的典型日负荷曲线；
[0012](S5)通过分析典型日负荷曲线，预测日期、时刻的负荷取值范围。
[0013]所述的步骤(S1)提取研究区域的全年历史负荷数据，为研究区域电网365天的历史负荷数据，采样周期为1小时，将历史负荷数据输出为24*365的负荷矩阵。
[0014]所述的步骤(S1)预处理，通过格拉布斯准则对全年历史负荷数据进行异常数据剔除，即负荷点i的负荷值的残余误差V
i
的绝对值V
i
＝x
i
‑
x≥g(n,a)*σ(x)，则将此负荷值从全年历史负荷数据从剔除，其中x
i
为负荷点i的负荷值，x为此负荷值的平均值，n为采样次数，且n≥10，g(n,a)为全年历史负荷数据标准差的系数，σ(x)为全年历史负荷数据的标准差。
[0015]所述的步骤(S2)利用聚类有效评价指标设置聚类数目，即对步骤(S1)预处理后的全年历史负荷数据进行归一化处理，得到m个负荷数据集x1,x2,
…
,x
m
。
[0016]所述的步骤(S3)，纵向聚类包括以下步骤：
[0017](S31)对全年历史负荷数据进行归一化处理，得到m个负荷数据集X1,X2,
…
,X
m
；
[0018](S32)初次聚类：将负荷数据集的单个样本当做一个负荷簇，通过平均距离的层次聚类算法对负荷矩阵纵向数据进行初次分析，得到k个初始聚类中心曲线C1,C2,
…
,C
K
；
[0019](S33)二次聚类：将初始聚类中心曲线集C作为K
‑
means算法的聚类中心，通过欧氏距离的K
‑
means算法对纵向聚类进行二次聚类分析；
[0020](S34)判断轮廓系数，确定聚类中心是否有效，即轮廓系数公式为：
[0021][0022]其中，S
(i)
为轮廓系数且介于[
‑
1,1]，a
i
为负荷点i同一负荷簇内其他点的不相似程度的平均值，b
i
为负荷点i到其他负荷簇的平均不相似程度的最小值。
[0023]所述的步骤(S3)，横向聚类步骤与纵向聚类步骤相同，得到横向聚类的轮廓系数，其中横向聚类是小时负荷。
[0024]所述的横向聚类最大值记为P
imax
，最小值记为P
imin
；纵向聚类最大值记为P
jmax
，最小值记为P
jmin
；某时刻的聚类最大值区间为最小值区间为[P
imin
,P
imin
]。
[0025]所述的步骤(S4)中的年时间尺度下的典型日负荷曲线为负荷聚类中心日负荷曲线。
[0026]所述的步骤(S5)，包括以下步骤：
[0027](S51)通过对全年历史负荷数据的横向聚类，得到负荷最大值出现的时刻范围，并通过典型日负荷曲线，预测最大负荷出现的日期范围；
[0028](S52)通过对全年历史负荷数据的纵向聚类，得到负荷最大值出现的日期范围，并通过典型日负荷曲线，预测最大负荷出现的时刻范围；
[0029](S53)将预测得到的最大负荷的范围分布在某时刻段与负荷最大值的范围分布在某日期相结合。
[0030]与现有技术相比，本专利技术的有益效果是：
[0031](1)本专利技术一种基于集成聚类技术的10kV母线负荷特性分析方法，通过利用集成聚类的方法对全年日负荷曲线、小时负荷曲线进行负荷特性分析，对负荷进行归类划分很大程度上提高负荷预测水平的精准度，同时也有利于对负荷进行更加精细化、具体化的研究，更准确地判断峰谷平持续时间，为以后的电力系统削峰填谷工作提高效率；
[0032](2)本专利技术一种基于集成聚类技术的10kV母线负荷特性分析方法，通过对横向和纵向负荷进行聚类，从两个维度对负荷特性进行分析，解决了从单个维度决定峰谷平时间的缺点，提升了负荷预测精度，从纵横双维度对大电力数据进行分析，挖掘日负荷、小时负荷数据的数理特性，得到负荷特性曲线相关变化趋势，为后续的负荷特性预测分析和通过新能源削峰填谷等问题提供一定的参考依据；
[0033](3)本专利技术一种基于集成聚类技术的10kV母线负荷特性分析方法，通过提取各类负荷的典型日负荷曲线的优点，更加科学细致地划分10kV母线负荷的各类负荷峰谷平的时间分布，解决以往主观的评定峰谷平持续时间的问题；
[0034](4)本专利技术一种基于集成聚类技术的10kV母线负荷特性分析方法，依据集成聚类技术分析结果，挖掘各类负荷的针对不同用能主体，采用不同方式的需求响应，将达到更为
有效的削峰填谷的目的。
[0035]上述说明仅是本专利技术技术方案的概述，为了能够更清楚地了解本专利技术的技术手段，从而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够更明显易懂，以下列举本专利技术的具体实施方法。
[0036]根据下文结合附图对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集成聚类技术的10kV母线负荷特性分析方法，其特征在于，包括以下步骤：(S1)通过电力信息采集系统，提取研究区域的全年历史负荷数据，并进行预处理；(S2)利用聚类有效评价指标设置聚类数目；(S3)运用集成聚类技术对全年历史负荷数据进行聚类，得到纵向聚类和横向聚类；(S4)根据步骤(S2)、步骤(S3)，提取年时间尺度下的典型日负荷曲线；(S5)通过分析典型日负荷曲线，预测日期、时刻的负荷取值范围。2.根据权利要求1所述的一种基于集成聚类技术的10kV母线负荷特性分析方法，其特征在于，所述的步骤(S1)提取研究区域的全年历史负荷数据，为研究区域电网365天的历史负荷数据，采样周期为1小时，将历史负荷数据输出为24*365的负荷矩阵。3.根据权利要求1所述的一种基于集成聚类技术的10kV母线负荷特性分析方法，其特征在于，所述的步骤(S1)预处理，通过格拉布斯准则对全年历史负荷数据进行异常数据剔除，即负荷点i的负荷值的残余误差V
i
的绝对值|V
i
|＝|x
i
‑
x|≥g(n,a)*σ(x)，则将此负荷值从全年历史负荷数据从剔除，其中x
i
为负荷点i的负荷值，x为此负荷值的平均值，n为采样次数，且n≥10，g(n,a)为全年历史负荷数据标准差的系数，σ(x)为全年历史负荷数据的标准差。4.根据权利要求3所述的一种基于集成聚类技术的10kV母线负荷特性分析方法，其特征在于，所述的步骤(S2)利用聚类有效评价指标设置聚类数目，即对步骤(S1)预处理后的全年历史负荷数据进行归一化处理，得到m个负荷数据集x1,x2,
…
,x
m
。5.根据权利要求2和4所述的一种基于集成聚类技术的10kV母线负荷特性分析方法，其特征在于，所述的步骤(S3)，纵向聚类包括以下步骤：(S31)对全年历史负荷数据进行归一化处理，得到m个负荷数据集X1,X2,
…
,X
m
；(S32)初次聚类：将负荷数据集的单个样本当做一个负荷簇，通过平均距离的层次聚类算法对负荷矩阵纵向数据进行...

【专利技术属性】
技术研发人员：宁辽逸，梁凯，贺欢，祝湘博，尚尔震，高洋，贾依霖，
申请(专利权)人：国网辽宁省电力有限公司国家电网有限公司，
类型：发明
国别省市：