一种基于负荷变化特征的电力负荷曲线聚类算法制造技术

本发明专利技术公开了一种基于负荷变化特征的电力负荷曲线聚类算法，从负荷数据本身出发，将数据进行合理的分类，包括：数据预处理和阈值确定；数据聚类；离群点归类；结果上报；其中，簇数k的确定是在聚类过程中自动确定的；聚类中心的获取也是在聚类过程中得到的，根据一定的条件将簇数K控制在合理的范围内。本发明专利技术通过参数簇大小阈值t、簇距离阈值d的设定和一定的聚类规则，实现自动获取最优簇数K和最优中心点，使得数据的聚类结果趋于合理化、最优化；采用基于负荷变化特征的距离算法来完善负荷曲线的分类效果，满足负荷变化趋势，适用于用户用电负荷的聚类分析。用电负荷的聚类分析。用电负荷的聚类分析。

【技术实现步骤摘要】
一种基于负荷变化特征的电力负荷曲线聚类算法


[0001]本专利技术涉及大数据
，具体涉及一种基于负荷变化特征的电力负荷曲线聚类算法。

技术介绍

[0002]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内容。传统的聚类算法对电力负荷曲线进行聚类的效果并不好，需要指定聚类个数和初始聚类中心，有的神经网络聚类算法对数据进行聚类的时候虽然不用指定聚类个数，但其存在着不一定收敛的缺陷。目前针对用户负荷数据的聚类方法主要有基于中心点距离位移计算的Kmeans算法，该算法简单易用，通过迭代计算聚类中心点，直到中心点不再产生位移为止，但该算法在对用户负荷数据进行聚类的过程中存在以下问题：1)聚类簇数K需要事先确定，研究人员往往较难确定最优K值；2)聚类初始中心点需要指定初始点，该方法通常随机产生初始中心点导致每次聚类结果有较大偏差。此外还有基于距离阈值快速近似的Canpoy聚类算法，该算法的优势在于得到簇的速度非常快，只需一次遍历数据即可得到聚类结果，但在实践中存在以下问题：1)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于负荷变化特征的电力负荷曲线聚类算法，其特征在于，包括以下步骤：步骤S1：数据预处理及阈值确定；步骤S2：数据聚类；步骤S3：离群点归类；步骤S4：结果上报。2.根据权利要求1所述的一种基于负荷变化特征的电力负荷曲线聚类算法，其特征在于，步骤S1中所述数据预处理的具体过程为：通过数据补全工具获得完整的数据集并进行归一化，利用滑动窗口技术将整条数据处理成一个个的样本单元，形成二维待聚类样本数组W(n*m)。3.根据权利要求2所述的一种基于负荷变化特征的电力负荷曲线聚类算法，其特征在于，所述阈值包括簇距离阈值d和簇大小阈值t。4.根据权利要求3所述的一种基于负荷变化特征的电力负荷曲线聚类算法，其特征在于，步骤S2的具体过程，包括以下步骤：步骤S21：在待聚类的数据W中计算每个点i到其它各点的距离，得到一个距离二维数组D(n*n)，每一列D
i
代表一个点到其它点的距离簇；步骤S22：遍历D中的每个距离簇D
i
，得到一个满足距离小于簇距离阈值d个数最多的距离簇D
max
；步骤S23：以所述距离簇D
max
距离...

【专利技术属性】
技术研发人员：胡峻，郭双双，何振涛，袁钱君，陈海慧，
申请(专利权)人：浙江华云信息科技有限公司，
类型：发明
国别省市：